简介

创建数据可视化通常是一项复杂的任务，其中涉及数据操作、编码和设计技能。LIDA 是一个开放源码库，可通过减少开发时间、错误数量和整体复杂性来实现数据可视化创建过程的自动化。

LIDA 由 4 个模块组成，如下图所示。在这种多阶段可视化生成方法中，每个模块都有其独特的作用。

1. 摘要：该模块将数据转换为自然语言摘要。摘要分两个阶段实现。在第一阶段，即基础摘要生成阶段，使用 pandas 库应用规则从数据集中提取属性，生成一般统计数据，并为数据集中的每一列提取一些样本。在第二阶段，即摘要丰富阶段，基础摘要阶段的内容将由 LLM 或用户通过用户界面进行丰富，以包括数据集和字段的语义描述。
2. 目标探索器：该模块根据摘要模块生成的摘要创建数据探索目标。该模块生成的目标以 JSON 数据结构表示，其中包含问题、解决该问题的可视化和理由。
3. 可视化生成器：该模块由 3 个子模块（代码支架构造器、代码生成器和代码执行器）组成。该模块的目标是根据 GOAL EXPLORER 模块中的数据可视化目标或用户创建的新可视化目标中的规范，生成、评估、修复、过滤和执行可视化代码。
4. INFOGRAPHER：该模块利用 IGMs 根据 VIZ GENERATOR 模块的输出以及可视化和风格提示创建风格化的信息图表。

LIDA 利用了 LLM 的两个关键功能：

1. 语言建模--这些功能有助于生成具有语义意义的可视化目标。
2. 代码编写（即代码生成）--这些功能有助于生成创建数据可视化的代码，然后将代码作为图像生成模型（如 DALL-E 和 Latent Diffusion）的输入，生成风格化的信息图表。

此外，LIDA 工具还使用了提示工程。

"提示工程是设计、优化和改进用于与人工智能语言模型交流的提示的过程。提示是输入到人工智能系统中的问题、陈述或请求，以激发特定的响应或输出。

提示工程融入 LIDA 的几种方式包括使用提示来创建和定义六个评估维度，以及用户指定样式提示来格式化可视化的能力。

实践

有两种方法可以开始使用 LIDA：通过 python API 或混合用户界面。本节将介绍如何使用 LIDA 库中可选的捆绑用户界面和网络 API，在本地计算机上开始使用用户界面。

第1步：安装必要的程序库

在电脑上安装以下库。

pip install lida

pip install -U llmx openai

第 2 步：创建一个变量来存储 OpenAI API 密钥

要创建 OpenAI API 密钥，请导航至 "个人资料">"用户 API 密钥"，然后选择 + 创建新密钥。

复制 API 密钥。在新的终端窗口中，将 API 密钥保存在名为 OPENAI_API_KEY 的变量中。

export OPENAI_API_KEY=""

第 3 步：启动用户界面网络应用程序

在终端窗口中，使用以下命令启动 LIDA UI 网络应用程序。

lida ui --port=8080 --docs

在网络浏览器中，导航到 "localhost:8080"，然后就可以开始了！选择 "实时演示 "或 "演示 "选项卡查看网络应用程序。

网络应用程序示例

本节将介绍使用 Kaggle 提供的美国票房前 10 名电影数据集³的几个示例和提示。

第 1 步：选择可视化库/语法

在创建任何数据可视化或摘要之前，请选择要使用的可视化库。有 4 个选项可供选择：Altair、Matplotlib、Seaborn 和 GGPlot。首先，选择 Seaborn--一个基于 Matplotlib 的 Python 数据可视化库。

提示：不确定从哪个图书馆开始？先选一个，稍后再切换！你可以稍后再切换可视化库/语法，即使是在上传数据之后。如果在加载数据后进行切换，并发现错误，快速刷新即可解决问题。

第 2 步：查看生成设置

右侧有一个修改生成设置的选项。在这里，你可以选择模型提供者、用于生成的模型，并调整其他字段，如最大令牌数、温度和信息数。目前，请保留默认设置。

第3步：上传数据

设置基本参数后，上传数据集。单击或拖动文件，将数据集上传至网络应用程序。或者，你也可以使用提供的示例文件。

提示：如果在尝试上传文件时出现错误，请检查你所选模型提供商的使用和计费访问。访问问题可能导致 LIDA 中的数据文件上传问题。此外，终端窗口还会显示错误信息（如果有的话），这可能有助于排除故障。

注意： 如果/当切换回 LIDA 主页时要小心--这将导致丢失当前显示的工作！

第4步：查看数据摘要

数据汇总 "部分提供对数据集的描述，以及数据集中字段的汇总，包括列类型、唯一值数量、列描述和样本值。该输出是前面提到的 SUMMARIZER 模块的结果。

下图显示了美国票房前十名电影数据集的数据摘要。其中包含对整个数据集和数据集中所有 9 列的描述。

选择 "查看原始摘要"，以 JSON 字典形式查看数据摘要。

第5步：审查目标探索

本部分显示根据上传的数据集自动生成的目标或假设列表。每个目标都以问题的形式列出，并包含可视化显示内容的描述。该输出是前面提到的 "目标探索 "模块的结果。

在这里，你可以阅读不同的目标，并在可视化生成部分选择一个目标进行可视化。

第6步：生成可视化

根据在面 "目标探索 "中选择的目标，你将看到可视化以及用于生成该目标可视化的 Python 代码。

下图显示了目标 "按月发布的电影分布情况如何？左侧是可视化的垂直条形图，右侧是用于创建可视化的 Python 代码。此代码片段可复制供外部使用。

或者，你也可以在 "目标探索 "部分列出的目标之外输入一个新的可视化目标。

例如，下图显示了 "平均预算最多的前 5 个流派是什么？

注意：选择目标右侧的 "生成 "按钮会刷新可视化效果。这可能会导致一些细微的变化，如颜色方案的改变。

第7步：可视化修改和评估

可视化生成后，有 4 个选项卡可供使用： 完善、解释、评估和建议。

第一个选项卡 "提炼 "使用自然语言命令修改图表。

下图显示了使用 "精炼 "选项卡对图表 "按月份划分的电影上映分布情况如何？使用自然命令对图表进行了修改，将月份按时间顺序排列，以水平条形图显示数值，并为每个条形图添加了计数值。

提示：确保你的样式提示清晰、简洁、具体！否则，你可能会得到扭曲的可视化效果、意想不到的结果，或者你的自然语言命令可能无法呈现图表。请记住，当涉及到写作提示时，"垃圾进"→"垃圾出"！撰写提示语是一门艺术，因此撰写有效的提示语风格可能需要一些改进。

如果你需要重置可视化，在几次风格提示没有达到预期效果后，请使用 "清除聊天记录 "按钮重置可视化。

第二个选项卡 "解释 "提供文字说明，从数据转换、图表元素、代码等方面说明如何创建可视化效果。

第三个选项卡 "评估 "从 6 个方面对生成的图表进行评估：错误、转换、合规性、类型、编码和美观。每个维度都有一个满分 5 分的评级，并说明获得该评级的原因。

如上图所示，使用右下角的 "自动修复图表 "按钮，可以选择自动修复图表。如果你同意图表评估中提供的建议，那么这是一种快速应用修复的好方法！下图显示了根据美学评估自动修复图表后的更新图表。

第四个标签 "推荐！"会生成类似的图表和相应的代码片段--与最初的目标无关。这对于从数据中获得其他图表或其他见解很有帮助。

结论

本节重点介绍了在数据可视化和商业智能领域使用 LLM 和 IGM 的一些考虑领域 - 包括但不限于自动数据可视化生成。