SQL Dataviz — SQL 数据可视化

sql-dataviz - SQL 数据可视化 Skill 使用前必读 本 Skill 需要 Python 依赖。首次使用前必须安装依赖：

skillhub_install install_skill sql-dataviz

工具会自动检测 Python3 环境、pip 可用性，并安装所有依赖。

依赖安装方式 方式 命令 适用场景 自动安装（推荐） skillhub_install install_skill sql-dataviz 一键安装，自动处理 手动安装 pip install -r requirements.txt 熟悉 Python 环境的用户 无依赖使用（受限模式） 如果无法安装依赖，本 Skill 提供以下降级能力： 可用功能： 图表选型建议（基于业务场景推荐图表类型） 数据格式规范说明 可视化设计原则指导 配色方案推荐 不可用功能： 图表生成（PNG/base64 输出） 交互式 HTML 图表 Dashboard 构建 与 sql-master / sql-report-generator 联动

Skill 协作关系 本 Skill 与 sql-master、sql-report-generator 组成完整的数据分析流水线： ┌─────────────┐ ┌──────────────┐ ┌────────────────────────┐ │ sql-master │ ──► │ sql-dataviz │ ──► │ sql-report-generator │ │ (数据层) │ │ (可视化层) │ │ (报告层) │ └─────────────┘ └──────────────┘ └────────────────────────┘ │ │ │ ▼ ▼ ▼ SQL 查询 图表生成 HTML 报告 数据获取 PNG/HTML AI 洞察 格式转换 Dashboard 数据表格

协作模式 模式 组合 适用场景 单独使用 sql-dataviz 已有数据，仅需图表可视化 数据可视化 sql-master + sql-dataviz SQL 查询 → 图表输出 可视化报告 sql-dataviz + sql-report-generator 图表 → 报告（无 SQL） 完整流程 sql-master + sql-dataviz + sql-report-generator 完整数据分析报告

最优使用方式：三 Skill 串联

from scripts.unified_pipeline import UnifiedPipeline 
result = ( 
    UnifiedPipeline("销售分析") 
    .from_file("sales.csv") # sql-master: 数据获取 
    .query("SELECT region, SUM(sales) as total FROM data GROUP BY region") 
    .interactive_chart("bar", x_col="region", y_col="total") # sql-dataviz: 可视化 
    .insights(value_cols=["total"]) # AI 洞察 
    .report(title="销售报告", output="report.html") # sql-report-generator: 报告 
) 

决策指南 你需要什么？ ├─ 仅图表可视化 → sql-dataviz 单独使用 ├─ SQL + 图表 → sql-master + sql-dataviz ├─ 图表 + 报告（无 SQL）→ sql-dataviz + sql-report-generator └─ 完整分析报告 → sql-master + sql-dataviz + sql-report-generator

推荐 新增功能：交互式 HTML 图表（Plotly）

scripts/interactive_charts.py 

基于 Plotly 的 12 种交互式图表，输出自包含 HTML（支持 hover / zoom / pan）： ```python from scripts.interactive_charts import InteractiveChartFactory, DashboardBuilder factory = InteractiveChartFactory(theme="powerbi") # 12 种图表类型 html = factory.create_line(data) # 折线图 html = factory.create_bar(data) # 柱形图 html = factory.create_pie(data) # 饼图（环形） html = factory.create_scatter(data) # 散点图 html = factory.create_heatmap(data) # 热力图 html = factory.create_funnel(data) # 漏斗图 html = factory.create_area(data) # 面积图 html = factory.create_treemap(data) # 树状图 html = factory.create_gauge(data) # 仪表盘 html = factory.create_combo(data) # 组合图（柱+折线） html = factory.create_table(data) # 交互式表格 html = factory.create_kpi_cards(data) # KPI 卡片组 factory.save_html(html, "chart.html") # 多图表 Dashboard builder = DashboardBuilder(title="销售看板", theme="powerbi") builder.add_kpi_cards([{"title":"GMV","value":"¥1,234万","change":"+18%"}]) builder.add_chart(factory.create_line(...), title="月度趋势", cols=2) builder.add_chart(factory.create_bar(...), title="区域对比", cols=1) builder.build("dashboard.html")

数据格式 与现有 ChartFactory 完全一致（line/bar/pie/scatter/funnel/area/combo/table）。 主题：powerbi / dark / seaborn / ggplot2

概述 将 SQL 查询结果转化为生产级可视化图表。集成 Power BI 原生的 50 种视觉对象，支持对比、趋势、分布、占比、地理、指标监控、AI 智能分析、统计分析等全场景。 所有图表以 base64 编码的 PNG 方式输出，可直接嵌入报告、邮件、Web 应用、Markdown 文档。

核心能力矩阵 1️⃣ 对比与趋势分析（13种） 图表 场景 方法 簇状柱形图 多系列分类对比 create_clustered_column() 堆积柱形图 整体+部分占比对比 create_stacked_column() 100%堆积柱形图 统一尺度结构对比 create_percent_stacked_column() 簇状条形图 长分类名称对比 create_clustered_bar() 堆积条形图 区域/渠道层级对比 create_stacked_bar() 100%堆积条形图 横向结构占比 create_percent_stacked_bar() 折线图 连续数据趋势 create_line() 平滑折线图 弱化波动的趋势 create_smooth_line() 组合图 双指标（柱+折线） create_combo() 面积图 累计总量展示 create_area() 堆积面积图 多业务线累计贡献 create_stacked_area() 瀑布图 增减项影响分析 create_waterfall() 丝带图 排名变动追踪 create_line()

2️⃣ 部分与整体（4种） 图表 场景 方法 饼图 单维度占比 create_pie() 圆环图 中心标签占比 create_donut() 树状图 层级数据展示 create_treemap() 漏斗图 流程转化分析 create_funnel()

3️⃣ 分布与关系（4种） 图表 场景 方法 散点图 两变量相关性 create_scatter() 气泡图 三变量分析 create_bubble() 点图 分类数据分布 create_dot() 高密度散点图 海量数据聚类 create_high_density_scatter()

4️⃣ 地理空间（4种） 图表 场景 方法 Azure 地图 权威地图底图 create_azure_map() 填充地图 区域数据热力 create_filled_map() 形状地图 自定义边界分析 create_shape_map() ArcGIS 地图 专业空间分析 create_arcgis_map()

5️⃣ 指标监控（5种） 图表 场景 方法 卡片图 单一关键指标 create_card() 多行卡片图 多指标汇总 create_multi_card() KPI 视觉对象 目标达成率 create_kpi() 仪表盘图 指标健康度 create_gauge() 目标视觉对象 团队绩效看板 create_target()

6️⃣ AI 智能分析（4种） 图表 场景 方法 分解树 多维度根因分析 create_decomposition_tree() 关键影响因素 驱动因子权重 create_key_influencers() 异常检测 自动异常标注 create_anomaly_detection() 智能叙事 自然语言摘要 create_smart_narrative()

7️⃣ 统计与分布（5种）[新增] 图表 场景 方法 盒须图 数据分布四分位数 create_box_plot() 直方图 数据频率分布 create_histogram() 密度图 概率密度分布 create_density_plot() 帕累托图 80/20 法则分析 create_pareto() Q-Q 图 正态性检验 通过 scipy 实现

8️⃣ 关系与网络（2种）[新增] 图表 场景 方法 网络图 节点关系展示 create_network_graph() 桑基图 流量/能量流向 create_sankey()

9️⃣ 时序与日期（3种）[新增] 图表 场景 方法 甘特图 项目进度管