数据可视化

使用Claude制作数据图，最容易犯的错误是刚上传表格就要求“帮我画一张好看的图”。图表并不是数据的装饰，而是用来回答问题的工具。开始前，先写清楚这张图要说明什么：销售额是否持续增长，哪个地区表现最好，客户来源如何构成，订单金额分布是否异常，还是两个指标之间是否存在关系。

按当前 Claude Artifacts/Design 流程，用固定样本数据生成图表，核对数量、坐标和单位，编辑后再导出并重新打开检查。

用可手算的数值样本生成直方图和经验累计分布，分别核对区间频数、零值比例与阈值累计占比，并保留缺失分母。

用 Streamlit 把 AI 样本做成本地复核看板，按状态查看数量、样本编号和输入内容，并下载与当前筛选一致的 CSV。

用 pandas 生成缺失标记，再用 Seaborn 画按样本编号排列的热力图，核对每列缺失数、共缺字段和对应原行。

按 AI 数据分析结果的交付方式比较 Matplotlib 与 Plotly，用同一组样本数量生成静态 PNG 和交互 HTML，并核对数值、依赖与分享限制。

使用腾讯云 ADP Claw 模式创建数据分析助手，限定字段口径和危险操作，并用对账样例检查计算与图表。

用四行演示 CSV 说明 Manus 数据上传、分组汇总、转化率口径和图表验收；给出独立计算的标准结果，避免平均百分比、遗漏数据或误当实时看板。

只有两个数值特征的分类模型，可以把输入平面画成决策区域，再把样本点叠上去检查。下面用 SVC 训练一个虚构的二维二分类例子，通过 DecisionBoundaryDisplay 输出图片。区域颜色是当前模型的预测类别，不是正确率或可信度。

ChatGPT 4.0如何生成图表：工具对比、操作步骤与注意事项完整指南。