Generér diagrammer og visualiseringer
På denne side
Opdateret 2. november 2026 baseret på OpenAI-dokumentation: Code Interpreter-værktøjet kræver nu en
container-parameter (tilføjet til alle eksempler), tekstinput-dele bruger typeninput_text, og websøgning bruger værktøjetweb_search(web_search_previewer nu et forældet værktøj uden domænefiltre). Genererede filer hentes ved hjælp af funktionernefichiers_generesogtelechargerfra lektion 10. Filer, der er vedhæftet beskeder, uploades med formåletuser_data, hvilket OpenAI anbefaler til modelinput (File inputs). Kilder: Code Interpreter · Web search.
Generér diagrammer og visualiseringer
Et diagram produceret af Code Interpreter er ikke et genereret billede: Det er renderingen af et faktisk matplotlib-script, der eksekveres på dine rigtige data. Denne sondring er vigtig – akserne er præcise, værdierne matcher filen, og du kan anmode om koden for at reproducere det lokalt.
Tre biblioteker sameksisterer i containeren, og hvert tjener et andet formål. matplotlib håndterer alt, men kan være verbost. seaborn tilføjer et statistisk lag, der gør fordelinger og korrelationer læsbare på én linje. plotly producerer interaktiv HTML, hvilket bedst reserveres til leverancer, du vil udforske med en mus. Navngiv den, du ønsker, i din prompt; uden instruktioner bruger modellen som standard matplotlib.
Enkle diagrammer med matplotlib
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-5.6-terra",
input="Create a bar chart showing monthly sales: "
"Jan=120, Feb=98, Mar=145, Apr=167, May=189, Jun=210, "
"Jul=195, Aug=178, Sep=220, Oct=245, Nov=267, Dec=312. "
"Professional style, blue colors, title and labels.",
tools=[{"type": "code_interpreter", "container": {"type": "auto"}}],
instructions="Use matplotlib with a professional style. "
"Sans-serif font, light grid, no top or right spines."
)
# Retrieve the generated image
for ann in fichiers_generes(response):
telecharger(client, ann, "monthly_sales.png")
Diagrammer ud fra fildata
Dette er det mest almindelige brugstilfælde, og hvor værdien er tydeligst: Du uploader filen, beskriver det diagram, du ønsker, og modellen håndterer læsning, kolonnetypebestemmelse og plotning. Ingen manuelle forberedelsestrin og vigtigst af alt ingen manuel transskription af tal – så ingen kopieringsfejl.
with open("team_performance.csv", "rb") as f:
file_obj = client.files.create(file=f, purpose="user_data")
response = client.responses.create(
model="gpt-5.6-terra",
input=[{
"role": "user",
"content": [
{"type": "input_text", "text": (
"From this file, create a dashboard with 4 charts: "
"1. Monthly revenue evolution (line chart) "
"2. Breakdown by product category (pie chart) "
"3. Top 10 clients by revenue (horizontal bar chart) "
"4. Correlation between quantity and amount (scatter plot) "
"Arrange the 4 charts in a 2x2 grid."
)},
{"type": "input_file", "file_id": file_obj.id}
]
}],
tools=[{"type": "code_interpreter", "container": {"type": "auto"}}],
instructions="Create a matplotlib figure with 4 subplots. "
"Use a consistent color palette. "
"Resolution 1920x1080, DPI 150. "
"Export as high-quality PNG."
)
Statistiske visualiseringer med seaborn
seaborn skinner, når spørgsmålet vedrører en fordeling eller et forhold snarere end en række værdier. Et boxplot pr. kategori eller en korrelationsmatrix afslører ved første øjekast, hvad en tabel med tal kun viser efter omhyggelig læsning – og det er præcis, hvad et diagram skal gøre.
response = client.responses.create(
model="gpt-5.6-terra",
input=[{
"role": "user",
"content": [
{"type": "input_text", "text": (
"Visual statistical analysis of this data: "
"1. Heatmap of the correlation matrix "
"2. Distribution of each numerical variable (histograms + KDE) "
"3. Boxplots by category to identify outliers "
"4. Pairplot of the 5 main variables"
)},
{"type": "input_file", "file_id": file_obj.id}
]
}],
tools=[{"type": "code_interpreter", "container": {"type": "auto"}}],
instructions="Use seaborn with the 'whitegrid' theme. "
"Annotate values in the heatmap. "
"Use the 'coolwarm' palette for correlations."
)
Interaktive diagrammer med plotly
plotly ændrer arten af leverancen: I stedet for et statisk billede får du en selvstændig HTML-fil, hvor du kan zoome, holde musen over elementer og filtrere. Det er det rigtige valg til et dashboard, som nogen vil udforske, men det forkerte valg til en figur, der er beregnet til et trykt dokument eller en e-mail.
response = client.responses.create(
model="gpt-5.6-terra",
input=[{
"role": "user",
"content": [
{"type": "input_text", "text": (
"Create an interactive plotly chart showing sales evolution with: "
"- Zoom and date range selection "
"- Hover tooltips with details "
"- Buttons to filter by category "
"- Export as standalone HTML file"
)},
{"type": "input_file", "file_id": file_obj.id}
]
}],
tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)
# Retrieve the interactive HTML file
for ann in fichiers_generes(response):
if ann.filename.endswith(".html"):
telecharger(client, ann, "interactive_dashboard.html")
Avanceret tilpasning
Virksomhedens stilguide
Et standardgenereret diagram er straks genkendeligt og ser amatøragtigt ud i et virksomhedsdokument. Det er nok at videregive dine farver, skrifttyper og konventioner i instructions for at producere konsistente figurer fra den ene rapport til den næste – og da disse instruktioner kan genbruges, skal du kun gøre arbejdet én gang.
STYLE_GUIDE = """
Visualization rules:
- Primary color: #1E3A5F (navy blue)
- Secondary color: #E74C3C (red)
- Accent color: #F39C12 (orange)
- Background: white (#FFFFFF)
- Font: sans-serif
- No borders around charts
- Light gray grid (#E0E0E0)
- Bold title, size 14
- Axis labels size 11
- Legend at bottom right
- Always include data source at bottom left
- Minimum resolution: 1200x800 pixels
"""
response = client.responses.create(
model="gpt-5.6-terra",
input=[{
"role": "user",
"content": [
{"type": "input_text", "text": "Create a quarterly revenue evolution chart"},
{"type": "input_file", "file_id": file_obj.id}
]
}],
tools=[{"type": "code_interpreter", "container": {"type": "auto"}}],
instructions=STYLE_GUIDE
)
Mønster: Generator til visuel rapport
def generate_visual_report(
file_path: str,
report_title: str,
sections: list[str]
) -> list[str]:
"""Generate a report with charts from data."""
with open(file_path, "rb") as f:
file_obj = client.files.create(file=f, purpose="user_data")
images = []
for i, section in enumerate(sections):
response = client.responses.create(
model="gpt-5.6-terra",
input=[{
"role": "user",
"content": [
{"type": "input_text", "text": f"Section {i+1} of report '{report_title}': {section}"},
{"type": "input_file", "file_id": file_obj.id}
]
}],
tools=[{"type": "code_interpreter", "container": {"type": "auto"}}],
instructions=(
"Create a professional chart for this section. "
"Include a descriptive title and relevant annotations. "
"Export as PNG 1200x800 DPI 150."
)
)
for ann in fichiers_generes(response):
name = f"report_section_{i+1}.png"
telecharger(client, ann, name)
images.append(name)
return images
# Usage
charts = generate_visual_report(
"annual_sales.csv",
"2025 Sales Report",
[
"Monthly revenue evolution with trend",
"Sales breakdown by region (map or treemap)",
"Performance comparison by sales rep (grouped bars)",
"Forecasts for the next 3 months (with confidence interval)"
]
)
Tips til kvalitetsdiagrammer
quality_instructions = """
For each chart:
- Choose the chart type best suited to the data
- Use accessible colors (sufficient contrast)
- Avoid 3D charts unless explicitly requested
- Limit pie charts to 6 categories maximum
- Add annotations for important points
- Use appropriate scales (no truncated zero unless justified)
- Always export in high resolution
"""
Vigtige pointer
- matplotlib, seaborn og plotly er tilgængelige i sandboxen
- Send dine data via
input_filetil diagrammer baseret på rigtige filer - Definer en stilguide i
instructionsfor at sikre konsistens - Hent genererede billeder fra
container_file_citation-annotationer, og download dem derefter via container-API’et (funktionernefichiers_generesogtelechargerfra lektion 10) - Plotly giver dig mulighed for at generere interaktive HTML-dashboards