csv-to-chart

name	csv-to-chart
description	把 CSV/TSV 資料自動生成圖表（line/bar/pie/scatter）。當用戶說「畫圖表」「csv 圖表」「chart」「visualize data」時使用。
argument-hint	[CSV/TSV 檔案路徑]
allowed-tools	Bash(python3*), Bash(pip3*), Read, Write
author	Maki
version	1.0.0
tags	["data","visualization","chart","csv"]
required_env	[]

CSV/TSV → 圖表生成器

目標

讀取 CSV/TSV 檔案，自動偵測欄位類型，推薦並生成合適的圖表，存為 PNG。

前置條件

檢查 matplotlib

python3 -c "import matplotlib; print(f'matplotlib {matplotlib.__version__}')" 2>/dev/null || echo "NOT_FOUND"

• 找到 → 繼續
• 沒找到 → 告訴用戶：

需要安裝 matplotlib：
pip3 install matplotlib

或者我可以幫你安裝（需確認）。

流程

Step 1: 讀取並分析資料

python3 << 'PYEOF'
import csv, sys, json, re
from datetime import datetime

FILE_PATH = "USER_FILE_PATH"

with open(FILE_PATH, 'r', encoding='utf-8-sig', newline='') as f:
    sample_text = f.read(4096)
    f.seek(0)
    try:
        dialect = csv.Sniffer().sniff(sample_text)
    except csv.Error:
        dialect = csv.excel if ',' in sample_text else csv.excel_tab
    reader = csv.DictReader(f, dialect=dialect)
    rows = list(reader)

if not rows:
    print("ERROR: Empty file")
    sys.exit(1)

columns = list(rows[0].keys())
print(f"Rows: {len(rows)}")
print(f"Columns: {columns}")

# 欄位類型偵測
date_re = re.compile(r'^\d{4}[-/]\d{1,2}[-/]\d{1,2}')
col_types = {}
for col in columns:
    samples = [r[col] for r in rows[:10] if r[col]]
    if not samples:
        col_types[col] = "empty"
    elif all(date_re.match(s) for s in samples):
        col_types[col] = "date"
    else:
        try:
            [float(s.replace(',', '')) for s in samples]
            col_types[col] = "numeric"
        except ValueError:
            unique = len(set(r[col] for r in rows if r[col]))
            col_types[col] = "category" if unique <= 20 else 

(f)


dates = [c  c, t  col_types.items()  t == ]
nums = [c  c, t  col_types.items()  t == ]
cats = [c  c, t  col_types.items()  t == ]

 dates and nums:
    (f)
 cats and nums:
     len((r[cats[0]]  r  rows)) <= 6:
        (f)
    :
        (f)
 len(nums) >= 2:
    (f)
 nums:
    (f)
:
    ()
PYEOF

Step 2: 確認圖表設定

向用戶展示分析結果，確認：

1. 圖表類型（可覆寫推薦）
2. X/Y 軸欄位
3. 標題
4. 輸出檔名

Step 3: 生成圖表

python3 << 'PYEOF'
import csv, sys, re
from datetime import datetime

# 動態 import matplotlib
try:
    import matplotlib
    matplotlib.use('Agg')  # 無頭模式
    import matplotlib.pyplot as plt
except ImportError:
    print("ERROR: matplotlib not installed. Run: pip3 install matplotlib")
    sys.exit(1)

# 跨平台中文字型
plt.rcParams['font.sans-serif'] = [
    'PingFang SC',      # macOS
    'Microsoft YaHei',  # Windows
    'Noto Sans CJK SC', # Linux
    'SimHei',           # Windows fallback
    'sans-serif'
]
plt.rcParams['axes.unicode_minus'] = False

# --- 設定 ---
FILE_PATH = "USER_FILE_PATH"
CHART_TYPE = "USER_CHART_TYPE"  # line / bar / pie / scatter
X_COL = "USER_X_COL"
Y_COLS = ["USER_Y_COL"]  # 可多欄
TITLE = "USER_TITLE"
OUTPUT = "/tmp/chart.png"

# --- 讀取資料 ---
with open(FILE_PATH, 'r', encoding='utf-8-sig', newline='') as f:
    sample_text = f.read(4096)
    f.seek(0)
    try:
        dialect = csv.Sniffer().sniff(sample_text)
    except csv.Error:
        dialect = csv.excel if ',' in sample_text else csv.excel_tab
    reader = csv.DictReader(f, dialect=dialect)
    rows = list(reader)

# 限制行數防止卡死
if len(rows) > 5000:
    import math
    step = math.ceil(len(rows) / 5000)
    rows = rows[::step]
    print(f"Downsampled to {len(rows)} rows")

# --- 解析 ---
date_re = re.compile(r)

def parse_val(v):
     not v:
         None
    try:
         (v.replace(, ))
    except ValueError:
         None

def parse_date(v):
       (, , ):
        try:
             datetime.strptime(v, )
        except ValueError:
            
     v

x_data = [parse_date(r[X_COL])  date_re.match(r.get(X_COL, ))  r.get(X_COL, )  r  rows]

fig, ax = plt.subplots(figsize=(12, 6))

 CHART_TYPE == :
     y_col  Y_COLS:
        y_data = [parse_val(r[y_col])  r  rows]
        ax.plot(x_data, y_data, marker=, markersize=2, label=y_col)
    ax.legend()

 CHART_TYPE == :
    y_data = [parse_val(r[Y_COLS[0]]) or 0  r  rows]
    ax.bar(range(len(x_data)), y_data, tick_label=x_data)
    plt.xticks(rotation=45, ha=)

 CHART_TYPE == :
    y_data = [parse_val(r[Y_COLS[0]]) or 0  r  rows]
     (y_data) == 0:
        (, file=sys.stderr)
        sys.exit(1)
    
     len(y_data) > 10:
        pairs = sorted(zip(x_data, y_data), key=lambda p: p[1], reverse=True)
        top = pairs[:9]
        others_sum = (v  _, v  pairs[9:])
        x_data = [p[0]  p  top] + []
        y_data = [p[1]  p  top] + [others_sum]
    ax.pie(y_data, labels=x_data, autopct=)

 CHART_TYPE == :
    y_data = [parse_val(r[Y_COLS[0]])  r  rows]
    ax.scatter(x_data, y_data, alpha=0.6)

ax.set_title(TITLE, fontsize=14, fontweight=)
plt.tight_layout()
plt.savefig(OUTPUT, dpi=150, bbox_inches=)
(f)
plt.close()
PYEOF

Step 4: 展示結果

1. 用 Read tool 讀取圖片，展示給用戶
2. 詢問是否滿意
3. 不滿意 → 調整設定重新生成

支援的圖表類型

類型	適用場景	自動推薦條件
line	時間序列趨勢	X 軸為日期 + Y 軸為數值
bar	類別比較	X 軸為分類（>6 種）+ Y 軸為數值
pie	佔比分布	X 軸為分類（≤6 種）+ Y 軸為數值
scatter	相關性分析	兩個數值欄位

注意事項

• 需要 matplotlib（pip3 install matplotlib）
• 超過 5000 行自動降採樣
• 支援中文標題和標籤（macOS / Windows / Linux）
• 輸出預設 150 DPI PNG