数据可视化

知识库简介

数据可视化把数据结构、模型误差与系统权衡变成人能检查的证据。它不是“给报告加一张漂亮图”，而是先明确论证问题和数据单元，再选择能暴露分布、不确定性与失败模式的视觉编码。Agent Engineer 常用它检查数据分布、分类错误、RAG 指标、成本、延迟和版本退化。

在总路线中的位置

本库位于“数学与数据基础”的末段，连接概率统计、机器学习、数据清洗、评测体系和运行监控。先会 Python 列表/字典与基本统计即可。

学习目标

• 从问题和读者行动出发选择图，而非从图形库函数出发。
• 正确展示分布、关系、时间变化、误差和不确定性。
• 为分类、检索、Agent 运行和成本评测设计组合图。
• 识别截断坐标、错误聚合、筛选偏差和颜色误导。
• 用 Matplotlib 生成可复现、带标签和来源的静态图。

前置知识

会在 PowerShell 7 创建 venv、安装包、运行 Python 3。理解均值、中位数、分位数和样本数；不熟悉时先学习Python 基础、概率统计与数据清洗。本库示例使用虚构聚合数据，不需要联网或 API key。

推荐学习顺序

1. 从问题到图表：建立“问题—数据—编码—行动”选择框架。
2. 分布与分组比较：避免均值掩盖长尾和子群。
3. 关系、趋势与时间序列：区分相关、变化和聚合造成的错觉。
4. 误差与不确定性：让误差条、置信区间和多次运行可解释。
5. 机器学习、RAG 与 Agent 评测图：把组件指标与系统权衡放在一起。
6. 误导风险与可访问性：审计坐标、颜色、筛选、标签和来源。
7. 项目：Agent 评测看板：生成四面板离线评测图并完成解读。

动手实践或项目入口

agent_eval_dashboard.py读取严格校验的虚构评测数据，绘制成功率 Wilson 95% 区间、尾延迟与超时、路由混淆矩阵、成本—成功率 Pareto 候选，并导出 PNG、SVG 与文字替代说明。课程已实际嵌入生成的评测看板；自动测试覆盖数据契约、统计量、精确输出尺寸、两种导出和 CLI，依赖版本记录在requirements.txt。

掌握标准

• 给定分析问题，能说明为什么选择某种图和编码。
• 展示均值时同时考虑分布、样本数和不确定性。
• 能读出混淆矩阵中的主要错误，而不是只报 accuracy。
• 能审查坐标范围、分箱、聚合、颜色和缺失数据处理。
• 能生成标题、轴标签、单位、图例、来源和可复现代码齐全的图。
• 能在最终尺寸下检查缺字、裁切、重叠、灰度可辨性与替代文本。
• 能运行普通与 -O 模式测试，并解释 Wilson 区间、行归一化混淆矩阵和 Pareto 候选。

与其他知识库的关系

• 数据清洗确保图中单位、缺失、重复和分组字段可信。
• 机器学习提供分类/回归指标、训练—验证差异和误差分析问题。
• 数据标注用图检查类别分布、标注者偏差和冲突模式。
• RAG、评测体系与运行监控需要同时看检索质量、回答质量、成本、延迟和安全子群，不能压成单一总分。

主要参考资料

资料核验日期：2026-07-18。Matplotlib stable 当前为 3.11.0（发布说明标注 2026-06-11），scikit-learn stable 当前为 1.9.0；二者会继续变化，本库以 requirements.txt 和实际验证记录为准，不把 stable URL 当作永久版本号。

• Matplotlib documentation
• Matplotlib 3.11 release notes
• Matplotlib installation and non-interactive backends
• Matplotlib Quick start guide
• Matplotlib Plot types
• Matplotlib: Statistical distributions
• scikit-learn: Visualizations
• NIST: Confidence intervals for a binomial proportion
• W3C WCAG 2.2: Use of Color