SQL Database Toolkit — SQL 数据库工具包

SQL Database Toolkit 全链路 SQL 数据分析工具包：数据连接 → SQL 查询 → 数据可视化 → AI 洞察 → 报告生成

SQL Database Toolkit 是 sql-master、sql-dataviz、sql-report-generator 三大 Skill 的统一整合版本，提供端到端的 SQL 数据分析能力。

核心能力： 数据连接层：支持 SQLite/MySQL/PostgreSQL/SQL Server/ClickHouse 等多种数据库，以及 CSV/Excel/JSON/Parquet 等本地文件格式 SQL 查询执行：自然语言转 SQL、SQL 执行与优化、查询结果分析 数据可视化：24+ 种静态图表（PNG base64）+ 12 种交互式图表（HTML），支持 Power BI 风格配色 AI 洞察：基于统计的自动异常检测、趋势分析、相关性分析、TOP N 排名等 报告生成：完整 HTML 报告、KPI 仪表盘、行业模板库（90+ 模板）

触发条件 当用户提及以下关键词时触发：SQL 查询、执行、优化 数据库连接（MySQL/PostgreSQL/SQLite 等） 数据可视化、图表生成（折线图/柱状图/饼图/热力图等） 报告生成、仪表盘、数据看板 数据分析、洞察、异常检测 文件数据处理（CSV/Excel 导入导出）

安装依赖 pip install -r requirements.txt 核心依赖：pandas, numpy - 数据处理 sqlalchemy, pymysql, psycopg2-binary - 数据库连接 matplotlib, seaborn, plotly - 可视化 scipy - 统计分析 jinja2 - 模板引擎

快速开始

• 一键端到端分析

from unified_pipeline import analyze_file # 文件 → SQL → 图表 → 洞察 → 报告 result = analyze_file( "sales.csv", sql="SELECT region, SUM(sales) as total FROM data GROUP BY region", charts=[{"type":"bar","x":"region","y":"total","title":"区域销售"}], output="report.html" ) print(result.log())

• 数据库查询

from database_connector import DatabaseConnector # 连接 MySQL conn = DatabaseConnector( dialect="mysql+pymysql", host="localhost", port=3306, username="root", password="xxx", database="sales_db" ) result = conn.execute("SELECT * FROM orders WHERE amount > 1000") print(result.df)

• 生成交互式图表

from interactive_charts import InteractiveChartFactory factory = InteractiveChartFactory(theme="powerbi") html = factory.create_line({ "categories": ["1月","2月","3月"], "series": [{"name":"销售额","data":[100,120,150]}] }) factory.save_html(html, "chart.html")

• AI 自动洞察

from ai_insights import quick_insights report = quick_insights(df, date_col="date", value_cols=["sales","profit"]) for insight in report.insights: print(f"{insight.title}: {insight.description}")

模块索引 数据连接层 模块 功能 database_connector.py 数据库连接（支持 6+ 种数据库） file_connector.py 本地文件加载（CSV/Excel/JSON/Parquet 等） pipeline.py SQL Pipeline 编排器 可视化层 模块 功能 charts.py 静态图表工厂（24+ 种图表，PNG base64） interactive_charts.py 交互式图表工厂（12 种图表，HTML）+ DashboardBuilder 报告层 模块 功能 ai_insights.py AI 自动洞察生成器 dashboard_templates.py 行业看板模板库（90+ 模板） report_generator.py 报告生成器（表格/矩阵/切片器） 统一入口 模块 功能 unified_pipeline.py 端到端统一 Pipeline（推荐） __init__.py 统一导出所有核心类

使用示例 示例 1：完整分析流程 from unified_pipeline import UnifiedPipeline # 创建 Pipeline p = UnifiedPipeline("销售分析").set_theme("powerbi") # 加载数据 p.from_file("sales.csv") # SQL 查询 p.query("SELECT region, SUM(amount) as total FROM data GROUP BY region") # 生成交互式图表 p.interactive_chart("bar", x_col="region", y_col="total", title="区域销售") p.interactive_chart("pie", x_col="region", y_col="total", title="区域占比") # AI 洞察 p.insights(value_cols=["total"]) # 生成完整报告 p.report(title="销售分析报告", output="report.html") # 打印日志 print(p.log())

示例 2：数据库 → 可视化 from database_connector import DatabaseConnector from interactive_charts import InteractiveChartFactory # 查询数据 conn = DatabaseConnector(dialect="sqlite", database="sales.db") df = conn.execute("SELECT month, sales FROM monthly_sales").df # 生成图表 factory = InteractiveChartFactory() html = factory.create_line({ "categories": df["month"].tolist(), "series": [{"name": "销售额", "data": df["sales"].tolist()}] }, title="月度销售趋势") factory.save_html(html, "trend.html")

示例 3：构建 Dashboard from interactive_charts import DashboardBuilder, InteractiveChartFactory builder = DashboardBuilder(title="销售看板", theme="powerbi") # KPI 卡片 builder.add_kpi_cards([ {"title": "GMV", "value": "¥1,234万", "change": "+18%"}, {"title": "订单量", "value": "45,678", "change": "+12%"}, ]) # 添加图表 factory = InteractiveChartFactory() line_html = factory.create_line({...}) builder.add_chart(line_html, title="趋势", cols=2) # 生成 builder.build("dashboard.html")

示例 4：使用行业模板 from dashboard_templates import get_template # 获取电商概览模板 template = get_template("ecommerce_overview") # 根据模板配置生成图表 # template.charts 包含所有图表规格

配置与主题 配色主题 from charts import Theme # 支持的主题：POWERBI, ALIBABA, TENCENT, BYTEDANCE, NEUTRAL factory = ChartFactory() factory.set_theme("powerbi")

图表类型 静态图表（charts.py）： 对比分析：clustered_column, stacked_column, bar, line, area, waterfall 占比分析：pie, donut, treemap, funnel 分布分析：scatter, bubble, box_plot, histogram 指标监控：card, kpi, gauge, target 高级图表：heatmap, gantt, candlestick, sankey, word_cloud 交互式图表（interactive_charts.py）： line, bar, pie, scatter, heatmap, funnel, area, treemap, gauge, combo, table, kpi_cards

配置文件 requirements.txt - Python 依赖 references/ - 参考文档（SQL 优化、图表选择、模板使用等） templates/ - 行业报告模板（90+ 个）

注意事项 中文字体：Windows 环境自动使用 Microsoft YaHei，其他系统需确保已安装中文字体 数据库驱动：首次使用 MySQL/PostgreSQL 等需要安装对应驱动（pymysql/psycopg2） Plotly CDN：交互式图表默认使用 CDN，如需离线使用可替换为本地路径

版本 v2.0.0 - 合并版（基于 sql-master + sql-dataviz + sql-report-generator）