Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Analüüsi diagramme Vision API abil

Õppetund 7 / 12 Värskendatud 2. november 2026 Arendajatele
Sellel lehel
  1. Loe diagramme nagu analüütik
  2. Diagrammianalüüsi põhimõtted
  3. Tulpdiagrammi analüüs
  4. Numbriliste andmete eraldamine
  5. Joon-diagrammi analüüs (trendid)
  6. Sektordiagrammi analüüs (jaotus)
  7. Aruande analüüsi töövoog
  8. Diagrammianalüüsi piirangud
  9. Peamised punktid

Loe diagramme nagu analüütik

Diagrammid – tulp-, joon-, sektordiagrammid ja pinddiagrammid – on äriaruannetes, juhtpaneelides ja teaduspublikatsioonides kõikjal. Need kujutavad endast spetsiifilist probleemi: info on lukustatud pildifaili, sageli ilma algsete andmeteta. Aastaaruande PDF võib sisaldada kolmekümmet kõverat, kuid keegi ei leia enam algset Exceli faili.

Mistrali Vision API suudab neid diagramme lugeda, tõlgendada trende ja eraldada numbrilisi andmeid. Selles õppetükis näitame, kuidas koostada käske (prompte), mis annavad teostatavaid tulemusi ebamäärase jutu asemel, ja kuidas väljundit struktureerida.

Diagrammianalüüsi põhimõtted

Omapead jäetuna toodab mudel üldise lause nagu „see diagramm näitab müügi arengut“. Tõhus käsk sunnib mudelit järgima järjestatud protsessi: tuvasta diagrammi tüüp (tulp-, joon-, sektoor- või punktdiagramm), loe teljed ja legendid koos ühikute ja skaaladega, eralda väärtused, hinnates visuaalset asukohta, ja alles seejärel tõlgenda trende – tõusu, langust, hooajalisust, anomaaliaid. Järjestus on oluline: enne telgede lugemist tehtud tõlgendus on väljamõeldis.

Tulpdiagrammi analüüs

Süsteemsõnum on loomulik koht, kus see meetod üks kord ja kõikideks kodeerida, sõltumata analüüsitavast pildist:

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)

Süsteemne käsk struktureerib mudeli vastuse loogilisteks sammudeks, parandades nii täpsust kui ka loetavust. Saad ühest diagrammist teiseni järjepideva aruande, mis on hädavajalik, kui neid vastuseid tuleb hiljem automaatselt töödelda.

Numbriliste andmete eraldamine

Kasutatavate andmete saamiseks kirjelduse asemel peab juhend olema sõnaselgelt piirav. Mudelil on loomulik kalduvus kommenteerida; sa pead selle keelama:

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"}
            ]
        }
    ]
)

Mudel tagastab midagi sellist:

| Month    | Sales (k€) |
|----------|------------|
| January  | 120        |
| February | 135        |
| March    | 148        |

Seda vormingut saab paari koodireaga parsida ja otse arvutustabelisse või DataFrame’i importida.

Joon-diagrammi analüüs (trendid)

Joon-diagrammid sobivad eriti hästi trendianalüüsiks ja küsimus võib siis muutuda kasutajasõnumis esitatud täielikuks küsimustikuks:

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"}
            ]
        }
    ]
)

Viies küsimus erineb oma olemuselt esimesest neljast: see nõuab ekstrapoleerimist, mitte lugemist. Käsitse sellele antud vastust hüpoteesina, mida tuleb valideerida, mitte kunagi faktina.

Sektordiagrammi analüüs (jaotus)

Sektordiagrammide puhul keskendub küsimus pigem proportsioonidele ja kontsentratsioonile kui arengule:

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"}
            ]
        }
    ]
)

Kontrolli alati, et tagastatud protsentide summa oleks lähedane 100-le: summa 87% viitab puudulikule lugemisele, unustatud segmendile või legendi taha peidetud osale.

Aruande analüüsi töövoog

Need isoleeritud päringud muutuvad kasulikuks kogu aruande mastaabis. Järgnev skript skannib eksporditud diagrammide kausta, küsib iga kord standardiseeritud JSON-väljundit ja logib kõik ühte faili:

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)

Juhend „no markdown code blocks“ väldib klassikalist probleemi, kus JSON on mähitud kolme tagurpidi komaga, mis rikub parsimist.

Diagrammianalüüsi piirangud

Neli olukorda seab mudeli proovile ja sa pead neid tundma, enne kui selle ümber protsessi üles ehitad. Esiteks, täpsed väärtused: need hinnatakse tulpade või punktide visuaalse asukoha põhjal, veamarginaaliga 5–10%. Teiseks, ülerahvastatud diagrammid, kus mitmed read, legendid ja väike tekst hägustavad loetavust. Kolmandaks, madal eraldusvõime, mis muudab sildid uduseks või pikseldunuks ja loetamatuks – pea meeles 2. õppetükis kirjeldatud sisemist suuruse muutmist. Lõpuks, 3D-diagrammid, kus perspektiiv moonutab mehaaniliselt kõrguse lugemist.

Praktiline järeldus on selge: täpseks eraldamiseks eelista algandmete eksportimist CSV-vormingusse, kui see on võimalik. Vision API on ideaalne kiireks analüüsiks ja kokkuvõtteks, mitte arvutustabeli asendamiseks. See hiilgab siis, kui algandmed on kadunud; see on halb valik, kui andmed on käeulatuses.

Peamised punktid

  • Kasuta diagrammianalüüsiks Mistral Large 3 – täpsus on kriitiline
  • Struktureeri oma käsk sammude kaupa: tüüp, teljed, väärtused, trendid, järeldus
  • Küsi sõnaselgelt väljundvormingut (Markdowni tabel, JSON), et saada kasutatavaid andmeid
  • Mudel hindab väärtusi 5–10% veamarginaaliga – ära kasuta seda täpsete arvude jaoks
  • Kombineeri Vision API CSV-eksportimisega, et saada mõlema maailma parim