Wykresy i diagramy
Na tej stronie
Analiza danych wizualnych
Wykresy, diagramy i tabele są wszechobecne w świecie zawodowym: raporty finansowe, pulpity nawigacyjne, prezentacje, publikacje naukowe. Grok Vision pozwala automatycznie ekstrahować dane i wnioski z tych wizualizacji.
Dlaczego różni się to od OCR?
Analiza wykresów wykracza daleko poza zwykłe ekstrakcję tekstu. Model musi:
- Zidentyfikować typ wykresu (słupkowy, liniowy, kołowy, rozrzutu itp.)
- Odczytać osie i ich skale
- Ekstrahować wartości danych
- Zrozumieć legendy i powiązać je z seriami danych
- Zinterpretować trendy i wzorce
Analiza prostego wykresu
def analyze_chart(image_url):
prompt = """Analyze this chart and provide:
1. Chart type (bar, line, pie, etc.)
2. Chart title (if visible)
3. X and Y axis labels
4. Extracted data as a table
5. Main observed trend
6. Any annotations or notable points
Present the data in a markdown table."""
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_image", "image_url": image_url, "detail": "high"},
{"type": "input_text", "text": prompt}
],
store=False
)
return response.output_text
Tryb detail: "high" jest niezbędny do odczytania precyzyjnych wartości na osiach i w legendach.
Ekstrakcja danych tabelarycznych
Aby uzyskać dane gotowe do bezpośredniego użycia w kodzie:
def extract_chart_data(image_url):
prompt = """Extract data from this chart in JSON.
Expected format:
{
"type": "bar|line|pie|scatter",
"title": "...",
"x_axis": {"label": "...", "values": [...]},
"y_axis": {"label": "...", "unit": "..."},
"series": [
{
"name": "Series 1",
"values": [10, 20, 30, ...]
}
]
}
Estimate numerical values as precisely as possible
based on the position of points/bars relative
to the tick marks."""
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_image", "image_url": image_url, "detail": "high"},
{"type": "input_text", "text": prompt}
],
store=False
)
return response.output_text
Analiza diagramów technicznych
Grok dobrze radzi sobie również z diagramami architektury, schematami przepływu i blokowymi:
def analyze_diagram(image_url):
prompt = """Analyze this technical diagram and describe:
1. Diagram type (architecture, flow, flowchart, UML, etc.)
2. Main components/entities
3. Connections and relationships between components
4. Data or process flow (if applicable)
5. Technologies or tools mentioned
If this is a flow diagram, describe the main path
from end to end."""
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_image", "image_url": image_url, "detail": "high"},
{"type": "input_text", "text": prompt}
],
store=False
)
return response.output_text
Porównywanie wykresów
Możesz przesłać wiele wykresów w tym samym żądaniu, aby przeprowadzić analizę porównawczą:
def compare_charts(url_chart_1, url_chart_2):
prompt = """Compare these two charts and identify:
1. Common points (measured variables, period, etc.)
2. Differences in trend
3. Significant gaps
4. A 3-4 sentence summary"""
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_text", "text": "Chart 1:"},
{"type": "input_image", "image_url": url_chart_1, "detail": "high"},
{"type": "input_text", "text": "Chart 2:"},
{"type": "input_image", "image_url": url_chart_2, "detail": "high"},
{"type": "input_text", "text": prompt}
],
store=False
)
return response.output_text
Profesjonalny przypadek użycia: Automatyczne raporty
Wyobraź sobie potok, który przekształca zrzuty ekranu z pulpitów nawigacyjnych w raporty tekstowe:
def generate_dashboard_report(screenshots):
report_sections = []
for i, screenshot in enumerate(screenshots, 1):
prompt = f"""You are a business analyst. This screenshot
is section {i} of a dashboard. Analyze the displayed metrics
and write a professional summary paragraph.
Include:
- Main KPIs and their values
- Trends (increase, decrease, stability)
- Visible alerts or anomalies
- A recommendation if relevant"""
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_image", "image_url": screenshot, "detail": "high"},
{"type": "input_text", "text": prompt}
],
store=False
)
report_sections.append(response.output_text)
return "\n\n".join(report_sections)
Ograniczenia analizy wykresów
- Precyzja wartości: Grok szacuje wartości na podstawie pozycji wizualnej. Dla dokładnych wartości preferuj dane źródłowe.
- Wykresy 3D: Perspektywiczne przedstawienia komplikują odczyt wartości.
- Nachodzące na siebie wykresy: Gdy wiele serii się nakłada, ich rozróżnienie może być trudne.
- Małe legendy: Legendy z bardzo małym tekstem mogą zostać błędnie odczytane nawet w trybie
high.
Kluczowe wnioski
- Grok analizuje wykresy, rozumiejąc kontekst, a nie tylko tekst.
- Używaj
detail: "high"do precyzyjnego odczytu wartości i legend. - Żądaj sformatowanej struktury (JSON, tabela Markdown), aby wykorzystać dane.
- Porównywanie wielu obrazów dobrze sprawdza się w analizie krzyżowej.
- Ekstrahowane wartości to szacunki wizualne, a nie dokładne dane.