Ir al contenido principal
Español— Elegir un idioma
Menú

Analizar gráficos con la Vision API

Lección 7 de 12 Actualizado el 2 de noviembre de 2026 Desarrollador
En esta página
  1. Lee gráficos como un analista
  2. Principios del análisis de gráficos
  3. Análisis de un gráfico de barras
  4. Extracción de datos numéricos
  5. Análisis de un gráfico de líneas (tendencias)
  6. Análisis de un gráfico circular (distribución)
  7. Canalización de análisis de informes
  8. Límites del análisis de gráficos
  9. Puntos clave

Lee gráficos como un analista

Los gráficos de barras, líneas, sectores y áreas están presentes en todos los informes empresariales, cuadros de mando y publicaciones científicas. Plantean un problema concreto: la información está encerrada dentro de una imagen, a menudo sin los datos fuente adjuntos. Un informe anual en PDF puede contener treinta curvas y nadie tiene ya el archivo Excel original.

La Vision API de Mistral puede leer estos gráficos, interpretar tendencias y extraer datos numéricos. Esta lección muestra cómo redactar indicaciones (prompts) que generen resultados accionables en lugar de comentarios vagos, y cómo estructurar la salida.

Principios del análisis de gráficos

Si se deja a su libre albedrío, el modelo produce una frase genérica como «este gráfico muestra la evolución de las ventas». Una indicación eficaz impone un proceso ordenado: identificar el tipo de gráfico (barras, líneas, sectores, dispersión), leer los ejes y las leyendas con sus unidades y escalas, extraer valores aproximando la posición visual y, solo entonces, interpretar las tendencias (subidas, bajadas, estacionalidad, anomalías). El orden importa: una interpretación formada antes de leer los ejes es una interpretación inventada.

Análisis de un gráfico de barras

El mensaje de sistema es el lugar natural para codificar este método de una vez por todas, independientemente de la imagen que se analice:

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": """Eres un analista de datos experto. Al analizar un gráfico:
1. Identifica el tipo de gráfico y su título
2. Describe los ejes (etiquetas, unidades, escala)
3. Enumera los valores principales que puedas leer
4. Identifica tendencias, máximos/mínimos y anomalías
5. Escribe una conclusión de 2-3 frases"""
        },
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Analiza este gráfico de barras de ingresos trimestrales."},
                {"type": "image_url", "image_url": "https://exemple.com/ca-trimestriel.png"}
            ]
        }
    ]
)

print(response.choices[0].message.content)

La indicación del sistema estructura la respuesta del modelo en pasos lógicos, mejorando tanto la precisión como la legibilidad. Obtienes un informe coherente de un gráfico a otro, algo esencial si estas respuestas deben procesarse automáticamente más adelante.

Extracción de datos numéricos

Para obtener datos utilizables en lugar de una descripción, la instrucción debe ser explícitamente restrictiva. El modelo tiene una tendencia natural a comentar; debes prohibírselo:

response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {
            "role": "system",
            "content": "Eres un extractor de datos. Analiza el gráfico y devuelve los datos como una tabla en markdown. No comentes, no describas; solo extrae los datos."
        },
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Extrae los datos de este gráfico de barras en una tabla."},
                {"type": "image_url", "image_url": "https://exemple.com/ventes-mensuelles.png"}
            ]
        }
    ]
)

El modelo devolverá algo como:

| Mes      | Ventas (k€) |
|----------|-------------|
| Enero    | 120         |
| Febrero  | 135         |
| Marzo    | 148         |

Este formato se analiza en pocas líneas de código y se importa directamente en una hoja de cálculo o un DataFrame.

Análisis de un gráfico de líneas (tendencias)

Los gráficos de líneas son especialmente adecuados para el análisis de tendencias, y la pregunta puede convertirse entonces en un cuestionario completo planteado en el mensaje de usuario:

prompt_tendance = """Analiza este gráfico de líneas y responde:
1. ¿Cuál es la tendencia general (ascendente, descendente, estable)?
2. ¿Hay puntos de inflexión? Si es así, ¿en qué fechas?
3. ¿Observas estacionalidad?
4. ¿Cuál es el valor aproximado al inicio y al final del periodo?
5. ¿Qué proyección haces para el próximo trimestre?"""

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"}
            ]
        }
    ]
)

La quinta pregunta es de naturaleza diferente a las cuatro primeras: pide una extrapolación, no una lectura. Trata su respuesta como una hipótesis que debe validarse, nunca como un hecho.

Análisis de un gráfico circular (distribución)

Para los gráficos circulares, la pregunta se centra en las proporciones y la concentración más que en la evolución:

prompt_camembert = """Analiza este gráfico circular:
- Enumera cada segmento con su porcentaje aproximado
- Identifica el segmento dominante
- Indica si la distribución está concentrada o dispersa
Devuelve los datos en una tabla en markdown."""

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"}
            ]
        }
    ]
)

Verifica siempre que la suma de los porcentajes devueltos se acerque al 100 %: un total del 87 % indica una lectura incompleta, un segmento olvidado o uno oculto por la leyenda.

Canalización de análisis de informes

Estas llamadas aisladas resultan útiles a la escala de un informe completo. El siguiente script escanea una carpeta de gráficos exportados, solicita una salida JSON estandarizada cada vez y registra todo en un único archivo:

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):
    """Analiza un gráfico y devuelve datos estructurados."""
    if question is None:
        question = "Analiza este gráfico. Devuelve un JSON con: 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": "Devuelve solo JSON válido, sin bloques de código markdown."
            },
            {
                "role": "user",
                "content": [
                    {"type": "text", "text": question},
                    {"type": "image_url", "image_url": encoder_image(chemin_image)}
                ]
            }
        ]
    )

    return response.choices[0].message.content

# Analizar todos los gráficos de una carpeta
dossier = Path("rapport/graphiques/")
resultats = {}

for fichier in sorted(dossier.glob("*.png")):
    print(f"Analyse de {fichier.name}...")
    resultats[fichier.name] = analyser_graphique(fichier)

# Guardar resultados
with open("rapport/analyse_graphiques.json", "w", encoding="utf-8") as f:
    json.dump(resultats, f, ensure_ascii=False, indent=2)

La instrucción «no markdown code blocks» evita el clásico engorro del JSON envuelto en triples comillas invertidas, lo cual rompe el análisis.

Límites del análisis de gráficos

Cuatro situaciones ponen a prueba al modelo y debes conocerlas antes de construir un proceso en torno a él. Primero, los valores precisos: se estiman a partir de la posición visual de las barras o puntos, con un margen de error del 5 al 10 %. Segundo, los gráficos abarrotados, donde múltiples series, leyendas y texto pequeño difuminan la legibilidad. Tercero, la baja resolución, que hace que las etiquetas se vean borrosas o pixeladas e ilegibles; recuerda el redimensionamiento interno descrito en la Lección 2. Por último, los gráficos en 3D, donde la perspectiva distorsiona mecánicamente la lectura de la altura.

La conclusión práctica es clara: para una extracción precisa, prefiere exportar los datos fuente como CSV cuando estén disponibles. La Vision API es ideal para un análisis y síntesis rápidos, no para sustituir a una hoja de cálculo. Brilla cuando los datos fuente han desaparecido; es una mala elección cuando los datos están al alcance de la mano.

Puntos clave

  • Usa Mistral Large 3 para el análisis de gráficos; la precisión es crítica
  • Estructura tu indicación en pasos: tipo, ejes, valores, tendencias, conclusión
  • Solicita explícitamente un formato de salida (tabla en markdown, JSON) para obtener datos utilizables
  • El modelo estima valores con un margen del 5–10 %; no lo uses para cifras exactas
  • Combina la Vision API con una exportación CSV para obtener lo mejor de ambos mundos