Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Diagram och grafiker

Lektion 7 av 12 Uppdaterad 30 juli 2026 Nybörjare
På denna sida
  1. Analys av visuell data
  2. Varför detta skiljer sig från OCR
  3. Analys av ett enkelt diagram
  4. Extrahering av tabelldata
  5. Analys av tekniska diagram
  6. Jämförelse av diagram
  7. Professionellt användningsområde: Automatiserade rapporter
  8. Begränsningar vid diagramanalys
  9. Viktiga punkter

Analys av visuell data

Grok analyserar ett finansiellt diagram Diagram, grafiker och tabeller är allestädes närvarande i arbetslivet: finansiella rapporter, instrumentpaneler, presentationer och vetenskapliga publikationer. Med Grok Vision kan du automatiskt extrahera data och insikter från dessa visuella element.

Varför detta skiljer sig från OCR

Analys av diagram går långt utöver enkel textextrahering. Modellen måste:

  • Identifiera diagramtyp (stapeldiagram, linjediagram, cirkeldiagram, spridningsdiagram etc.)
  • Läsa av axlarna och deras skalor
  • Extrahera datavärden
  • Förstå förklaringar (legender) och koppla dem till dataserier
  • Tolkna trender och mönster

Analys av ett enkelt diagram

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

Läget detail: "high" är avgörande för att kunna läsa exakta värden på axlar och i förklaringar.

Extrahering av tabelldata

För att få fram data som är redo att användas direkt i din kod:

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

Analys av tekniska diagram

Grok hanterar också arkitekturdiagram, flödesscheman och processkartor mycket väl:

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

Jämförelse av diagram

Du kan skicka flera diagram i samma begäran för en jämförande analys:

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

Professionellt användningsområde: Automatiserade rapporter

Tänk dig en pipeline som omvandlar skärmdumpar av instrumentpaneler till textbaserade rapporter:

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)

Begränsningar vid diagramanalys

  • Värdesprecision: Grok uppskattar värden baserat på visuell position. För exakta värden bör du använda källdatan.
  • 3D-diagram: Perspektiviska framställningar komplicerar avläsningen av värden.
  • Överlappande diagram: När flera serier överlappar varandra kan det vara svårt att skilja dem åt.
  • Små förklaringar: Förklaringar med mycket liten text kan läsas felaktigt även i läget high.

Viktiga punkter

  • Grok analyserar diagram genom att förstå sammanhanget, inte bara texten
  • Använd detail: "high" för exakt avläsning av värden och förklaringar
  • Begär ett strukturerat format (JSON, markdown-tabell) för att kunna utnyttja datan
  • Jämförelse av flera bilder fungerar bra för tväranalyser
  • Extraherade värden är visuella uppskattningar, inte exakt data