Ανάλυση Γραφημάτων με το Vision API
Σε αυτήν τη σελίδα
Διαβάζετε Γραφήματα σαν Αναλυτής
Τα γραφήματα—ράβδων, γραμμών, πίτας, επιφανείας—είναι παντού σε επιχειρηματικές εκθέσεις, πίνακες ελέγχου (dashboards) και επιστημονικές δημοσιεύσεις. Παρουσιάζουν ένα συγκεκριμένο πρόβλημα: οι πληροφορίες είναι εγκλωβισμένες μέσα σε μια εικόνα, συχνά χωρίς τα αρχικά δεδομένα να συνοδεύουν το αρχείο. Μια ετήσια έκθεση σε PDF μπορεί να περιέχει τριάντα καμπύλες, και κανείς δεν διαθέτει πλέον το αρχικό αρχείο Excel.
Το Vision API της Mistral μπορεί να διαβάσει αυτά τα γραφήματα, να ερμηνεύσει τάσεις και να εξάγει αριθμητικά δεδομένα. Αυτό το μάθημα δείχνει πώς να γράφετε prompts που παράγουν αποτελέσματα άμεσα εκμεταλλεύσιμα αντί για αόριστα σχόλια, και πώς να δομείτε την έξοδο.
Αρχές Ανάλυσης Γραφημάτων
Αν αφεθεί μόνο του, το μοντέλο παράγει μια γενικόλογη πρόταση όπως «αυτό το γράφημα δείχνει την εξέλιξη των πωλήσεων». Ένα αποτελεσματικό prompt επιβάλλει αντίθετα μια διατεταγμένη διαδικασία: εντοπίστε τον τύπο του γραφήματος (ράβδων, γραμμών, πίτας, διασποράς), διαβάστε τους άξονες και τους θρύλους με τις μονάδες και τις κλίμακες τους, εξάγετε τιμές προσεγγίζοντας την οπτική θέση και, μόνο τότε, ερμηνεύστε τις τάσεις—άνοδος, πτώση, εποχικότητα, ανωμαλίες. Η σειρά έχει σημασία: μια ερμηνεία που διαμορφώνεται πριν από την ανάγνωση των αξόνων είναι μια επινοημένη ερμηνεία.
Ανάλυση Γραφήματος Ράβδων
Το μήνυμα συστήματος (system message) είναι το φυσικό σημείο για να κωδικοποιήσετε αυτή τη μέθοδο άπαξ και δια παντός, ανεξάρτητα από την εικόνα που αναλύεται:
from mistralai.client import Mistral
import os
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{
"role": "system",
"content": """You are an expert data analyst. When analyzing a chart:
1. Identify the chart type and its title
2. Describe the axes (labels, units, scale)
3. List the main values you can read
4. Identify trends, highs/lows, and anomalies
5. Write a 2-3 sentence conclusion"""
},
{
"role": "user",
"content": [
{"type": "text", "text": "Analyze this bar chart of quarterly revenue."},
{"type": "image_url", "image_url": "https://exemple.com/ca-trimestriel.png"}
]
}
]
)
print(response.choices[0].message.content)
Το prompt συστήματος δομεί την απάντηση του μοντέλου σε λογικά βήματα, βελτιώνοντας τόσο την ακρίβεια όσο και την αναγνωσιμότητα. Λαμβάνετε μια συνεπή αναφορά από το ένα γράφημα στο άλλο, κάτι που είναι απαραίτητο εάν αυτές οι απαντήσεις χρειάζεται να υποστούν αυτόματη επεξεργασία αργότερα.
Εξαγωγή Αριθμητικών Δεδομένων
Για να λάβετε usable δεδομένα αντί για μια περιγραφή, η οδηγία πρέπει να είναι ρητά περιοριστική. Το μοντέλο έχει μια φυσική τάση να σχολιάζει· πρέπει να το απαγορεύσετε:
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{
"role": "system",
"content": "You are a data extractor. Analyze the chart and return the data as a markdown table. Do not comment, do not describe—only extract the data."
},
{
"role": "user",
"content": [
{"type": "text", "text": "Extract the data from this bar chart into a table."},
{"type": "image_url", "image_url": "https://exemple.com/ventes-mensuelles.png"}
]
}
]
)
Το μοντέλο θα επιστρέψει κάτι παρόμοιο με:
| Month | Sales (k€) |
|----------|------------|
| January | 120 |
| February | 135 |
| March | 148 |
Αυτή η μορφή αναλύεται με λίγες γραμμές κώδικα και εισάγεται απευθείας σε ένα υπολογιστικό φύλλο ή DataFrame.
Ανάλυση Γραφήματος Γραμμών (Τάσεις)
Τα γραφήματα γραμμών είναι ιδιαίτερα κατάλληλα για ανάλυση τάσεων, και το ερώτημα μπορεί τότε να γίνει ένα πλήρες ερωτηματολόγιο που τίθεται στο μήνυμα χρήστη:
prompt_tendance = """Analyze this line chart and answer:
1. What is the general trend (rising, falling, stable)?
2. Are there any inflection points? If so, on what dates?
3. Do you observe seasonality?
4. What is the approximate value at the start and end of the period?
5. What projection do you make for the next quarter?"""
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{
"role": "user",
"content": [
{"type": "text", "text": prompt_tendance},
{"type": "image_url", "image_url": "https://exemple.com/evolution-prix.png"}
]
}
]
)
Η πέμπτη ερώτηση διαφέρει στη φύση της από τις πρώτες τέσσερις: ζητά extrapolation, όχι ανάγνωση. Αντιμετωπίστε την απάντησή της ως υπόθεση προς επαλήθευση, ποτέ ως γεγονός.
Ανάλυση Γραφήματος Πίτας (Κατανομή)
Για τα γραφήματα πίτας, το ερώτημα εστιάζει στις αναλογίες και τη συγκέντρωση παρά στην εξέλιξη:
prompt_camembert = """Analyze this pie chart:
- List each segment with its approximate percentage
- Identify the dominant segment
- Indicate whether the distribution is concentrated or dispersed
Return the data in a markdown table."""
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{
"role": "user",
"content": [
{"type": "text", "text": prompt_camembert},
{"type": "image_url", "image_url": "https://exemple.com/repartition-marche.png"}
]
}
]
)
Επαληθεύετε πάντα ότι το άθροισμα των επιστρεφόμενων ποσοστών πλησιάζει το 100: ένα σύνολο 87% σηματοδοτεί ελλιπή ανάγνωση, ξεχασμένο τμήμα ή ένα τμήμα κρυμμένο από τον θρύλο.
Σωλήνας Ανάλυσης Αναφορών
Αυτές οι μεμονωμένες κλήσεις καθίστανται χρήσιμες στην κλίμακα μιας ολόκληρης αναφοράς. Το παρακάτω script σαρώνει έναν φάκελο με εξαγόμενα γραφήματα, ζητά μια τυποποιημένη έξοδο JSON κάθε φορά και καταγράφει τα πάντα σε ένα ενιαίο αρχείο:
import base64
from pathlib import Path
from mistralai.client import Mistral
import json
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
def encoder_image(chemin):
with open(chemin, "rb") as f:
b64 = base64.standard_b64encode(f.read()).decode("utf-8")
return f"data:image/png;base64,{b64}"
def analyser_graphique(chemin_image, question=None):
"""Analyze a chart and return structured data."""
if question is None:
question = "Analyze this chart. Return a JSON with: type (bar/line/pie/other), title, data (array of {label, value}), trend, and summary."
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{
"role": "system",
"content": "Return only valid JSON, no markdown code blocks."
},
{
"role": "user",
"content": [
{"type": "text", "text": question},
{"type": "image_url", "image_url": encoder_image(chemin_image)}
]
}
]
)
return response.choices[0].message.content
# Analyze all charts in a folder
dossier = Path("rapport/graphiques/")
resultats = {}
for fichier in sorted(dossier.glob("*.png")):
print(f"Analyse de {fichier.name}...")
resultats[fichier.name] = analyser_graphique(fichier)
# Save results
with open("rapport/analyse_graphiques.json", "w", encoding="utf-8") as f:
json.dump(resultats, f, ensure_ascii=False, indent=2)
Η οδηγία «no markdown code blocks» αποφεύγει την κλασική ενόχληση του JSON που περιβάλλεται από τρεις ανάποδες τελείες, το οποίο χαλάει την ανάλυση (parsing).
Όρια της Ανάλυσης Γραφημάτων
Τέσσερις καταστάσεις θέτουν σε δοκιμασία το μοντέλο και πρέπει να τις γνωρίζετε πριν χτίσετε μια διαδικασία γύρω από αυτό. Πρώτον, οι ακριβείς τιμές: εκτιμώνται από την οπτική θέση των ράβδων ή των σημείων, με περιθώριο σφάλματος 5 έως 10%. Δεύτερον, τα υπερφορτωμένα γραφήματα, όπου πολλαπλές σειρές, θρύλοι και μικρό κείμενο θολώνουν την αναγνωσιμότητα. Τρίτον, η χαμηλή ανάλυση, που κάνει τις ετικέτες θολές ή pixelated και δυσανάγνωστες—θυμηθείτε την εσωτερική αλλαγή μεγέθους που περιγράφηκε στο Μάθημα 2. Τέλος, τα γραφήματα 3D, όπου η προοπτική παραμορφώνει μηχανικά την ανάγνωση του ύψους.
Το πρακτικό συμπέρασμα είναι σαφές: για ακριβή εξαγωγή, προτιμήστε την εξαγωγή των αρχικών δεδομένων ως CSV όταν είναι διαθέσιμη. Το Vision API είναι ιδανικό για γρήγορη ανάλυση και σύνθεση, όχι για την αντικατάσταση ενός υπολογιστικού φύλλου. Διακρίνεται όταν τα αρχικά δεδομένα έχουν χαθεί· είναι κακή επιλογή όταν τα δεδομένα είναι προσβάσιμα.
Βασικά σημεία
- Χρησιμοποιήστε το Mistral Large 3 για ανάλυση γραφημάτων—η ακρίβεια είναι κρίσιμη
- Δομήστε το prompt σας σε βήματα: τύπος, άξονες, τιμές, τάσεις, συμπέρασμα
- Ζητήστε ρητά μια μορφή εξόδου (πίνακας markdown, JSON) για usable δεδομένα
- Το μοντέλο εκτιμά τιμές με περιθώριο 5–10%—μην το χρησιμοποιείτε για ακριβείς αριθμούς
- Συνδυάστε το Vision API με εξαγωγή CSV για το καλύτερο και των δύο κόσμων