Analizē diagrammas, izmantojot Vision API
Šajā lapā
Lasīt diagrammas kā analītiķis
Diagrammas — stabiņu, līniju, sektoru, laukumu — ir sastopamas visur: biznesa pārskatos, informācijas paneļos un zinātniskajās publikācijās. Tās rada specifisku problēmu: informācija ir ieslodzīta attēlā, bieži vien bez pievienotiem izejas datiem. Gada PDF pārskatā var būt trīsdesmit līknes, un nevienam vairs nav sākotnējā Excel faila.
Mistral Vision API spēj nolasīt šīs diagrammas, interpretēt tendences un izgūt skaitliskos datus. Šajā nodarbībā tu uzzināsi, kā rakstīt pieprasījumus (prompts), lai iegūtu konkrētus rezultātus, nevis miglainus komentārus, un kā strukturēt izvadi.
Diagrammu analīzes principi
Ja modelis tiek atstāts pats savā ziņā, tas ģenerēs vispārīgu teikumu, piemēram: „šī diagramma parāda pārdošanas dinamiku”. Efektīvs pieprasījums piespiež ievērot sakārtotu procesu: vispirms nosaki diagrammas veidu (stabiņu, līniju, sektoru, izkliedes), nolasī asis un leģendas ar to mērvienībām un skalām, iegūsti vērtības, aptuveni novērtējot to vizuālo novietojumu, un tikai tad interpretē tendences — kāpumu, kritumu, sezonalitāti, anomālijas. Secībai ir izšķiroša nozīme: interpretācija, kas veikta pirms asu nolasīšanas, ir izdomāta interpretācija.
Stabiņu diagrammas analīze
Sistēmas ziņojums (system message) ir dabiskākā vieta, lai vienreiz un uz visiem laikiem kodētu šo metodi neatkarīgi no analizējamā attēla:
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)
Sistēmas pieprasījums strukturē modeļa atbildi loģiskos soļos, uzlabojot gan precizitāti, gan lasāmību. Tu saņem konsekventu pārskatu no vienas diagrammas uz nākamo, kas ir būtiski, ja šīs atbildes vēlāk ir jāapstrādā automātiski.
Skaitlisko datu ieguve
Lai iegūtu izmantojamus datus, nevis aprakstu, instrukcijai ir jābūt tieši ierobežojošai. Modelim ir dabiska tieksme komentēt; tev tas ir jāaizliedz:
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"}
]
}
]
)
Modelis atgriezīs kaut ko līdzīgu:
| Month | Sales (k€) |
|----------|------------|
| January | 120 |
| February | 135 |
| March | 148 |
Šo formātu var parsēt dažās koda rindās un tieši importēt izklājlapā vai DataFrame objektā.
Līniju diagrammas analīze (tendences)
Līniju diagrammas ir īpaši piemērotas tendenču analīzei, un jautājums lietotāja ziņojumā var pārvērsties par pilnu anketu:
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"}
]
}
]
)
Piektais jautājums pēc būtības atšķiras no pirmajiem četriem: tas prasa ekstrapolāciju, nevis nolasīšanu. Uztver tā atbildi kā hipotēzi, kas jāvalidē, nekad kā faktu.
Sektoru diagrammas analīze (sadalījums)
Sektoru diagrammām jautājums fokusējas uz proporcijām un koncentrāciju, nevis uz evolūciju:
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"}
]
}
]
)
Vienmēr pārbaudi, vai atgriezto procentuālo daļu summa ir tuvu 100: kopsumma 87% liecina par nepilnīgu nolasījumu, aizmirstu segmentu vai tādu, ko noslēpusi leģenda.
Pārskatu analīzes konveijers
Šie izolētie izsaukumi kļūst noderīgi visa pārskata mērogā. Turpmākais skripts skenē mapīti ar eksportētām diagrammām, katru reizi pieprasa standartizētu JSON izvadi un visu reģistrē vienā failā:
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)
Instrukcija „no markdown code blocks” novērš klasisko problēmu, kad JSON ir ietverts trīs atpakaļslīpsvītrās, kas sabojā parsēšanu.
Diagrammu analīzes robežas
Četras situācijas rada izaicinājumus modelim, un tās ir jāzina, pirms veido procesu ap to. Pirmkārt, precīzas vērtības: tās tiek novērtētas, balstoties uz stabiņu vai punktu vizuālo novietojumu, ar kļūdas robežu no 5 līdz 10%. Otrkārt, pārpildītas diagrammas, kur vairākas rindas, leģendas un mazs teksts izpludina lasāmību. Treškārt, zema izšķirtspēja, kas padara etiķetes izplūdušas vai pikseļotas un nelasāmas — atceries par iekšējo izmēru maiņu, kas aprakstīta 2. nodarbībā. Visbeidzot, 3D diagrammas, kur perspektīva mehāniski sagrozī augstuma nolasījumu.
Praktiskais secinājums ir skaidrs: precīzai datu ieguvei, ja iespējams, dod priekšroku izejas datu eksportēšanai CSV formātā. Vision API ir ideāls ātrai analīzei un sintēzei, nevis izklājlapas aizstāšanai. Tas spīd, kad izejas dati ir pazuduši; tas ir slikts izvēles variants, kad dati ir viegli sasniedzami.
Galvenās atziņas
- Izmanto Mistral Large 3 diagrammu analīzei — precizitāte ir kritiska
- Strukturē savu pieprasījumu soļos: veids, asis, vērtības, tendences, secinājums
- Tieši pieprasi izvades formātu (Markdown tabula, JSON), lai iegūtu izmantojamus datus
- Modelis novērtē vērtības ar 5–10% kļūdas robežu — neizmanto to precīziem skaitļiem
- Apvieno Vision API ar CSV eksportu, lai iegūtu abu pasaulu labākos aspektus