id stringlengths 4 6 | question stringlengths 9 671 | input_file stringlengths 7 125 ⌀ | output_type stringclasses 1
value | output_file stringlengths 6 63 | rubrics stringlengths 15 868 ⌀ |
|---|---|---|---|---|---|
DV_1 | 绘制折线图展示分离效率（%）和单位能耗（单位：kWh/m）随时间的变化趋势。要求：横轴为时间（按月汇总，格式YYYY-MM），纵轴左侧为分离效率（%），纵轴右侧为单位能耗；两条折线分别用不同颜色标识（分离效率用蓝色，单位能耗用橙色）；图表标题为"分离效率与单位能耗月度变化趋势"；显示数据标签（保留4位小数）；图例位于右上角；时间按升序排列；不存在缺失值；时间列粒度为日，已按月聚合取平均值。 | 工艺数据.xlsx | 图表可视化 | 分离效率与单位能耗月度变化趋势.png | 1.分离效率在2025年1月达到最高（86.62%），而在2024年11月最低（81.95%）
2.单位能耗在2025年1月达到最低（0.0748 kWh/L），而在2025年2月最高（0.0791 kWh/L）
3.整体来看，分离效率与单位能耗似乎存在一定的负相关关系，即分离效率较高时单位能耗相对较低。 |
DV_2 | 基于"工艺数据2.xlsx"，绘制散点图：横轴为操作温度（单位保持数据原有单位），纵轴为分离效率（单位为百分比显示，保留2位小数），散点颜色映射能耗水平（采用连续色阶，低能耗用冷色如蓝色，高能耗用暖色如红色）。图中矩形框标识出的是"高效率且低能耗"的最佳操作区间，定义为：分离效率≥数据集分离效率的75分位数 且 能耗≤数据集能耗的25分位数的数据点所覆盖的温度和效率范围。图表标题为"操作温度vs分离效率（颜色=能耗水平）"，横轴标签"操作温度"，纵轴标签"分离效率(%)"，显示颜色图例标注"能耗水平"，并在图中添加文本注释说明最佳区间的边界值。 | 工艺数据2.xlsx | 图表可视化 | 操作温度_vs_分离效率.png | 1. 低能耗（蓝色系）的数据点更易集中在高分离效率区域，直观呈现“低能耗、高效率”的优质工艺特征；
2. 高分离效率（90%以上）的点主要聚集在76-91°C操作温度区间，该温度范围是实现高效分离的核心区间；
3. 图表标题为"操作温度vs分离效率（颜色=能耗水平）"，横轴标签"操作温度"，纵轴标签"分离效率(%)"，显示颜色图例标注"能耗水平"。
4. 操作温度较低的蓝色点较多，操作温度较高的红色点较多。 |
DV_3 | 以第一行数据作为初始坐标（基准点），计算后续每行数据相对于初始坐标的变形量（当前坐标值 - 初始坐标值），生成变形曲线折线图。横轴为数据行序号（从第2行开始标记为点1、点2...），纵轴为变形量（单位：mm，保留2位小数）。若数据包含多个坐标列（如X、Y、Z或多个测点），则每个坐标列生成一条独立的折线系列，图例标注各坐标列名称。图表标题为"数据变形曲线"，纵轴标签为"变形量(mm)"，横轴标签为"测点序号"。(值为空的点跳过，不算入序号) | 形变.xlsx | 图表可视化 | 数据变形曲线.png | 1.Z方向的变形量远大于X和Y方向，最大超过了40000mm。
2.X和Y方向的变形量相对较小，变化范围在3000毫米以内。
3.由于Z方向变形量过大，X和Y方向的变形曲线在图中几乎呈直线状，这是因为Y轴刻度主要受Z方向数据影响。
4. Y方向基本上是负向形变，X和Z是正向。 |
DV_4 | 对表格中的所有数值型字段进行PCA降维至2维，然后生成散点图进行可视化。具体要求：(1) 自动识别表格中所有数值型列作为降维输入特征；(2) 使用PCA方法将数据降至2个主成分；(3) 生成散点图，横轴为第一主成分(PC1)，纵轴为第二主成分(PC2)；(4) 若数据中存在明确的类别标签列（非数值型或取值少于10个唯一值的列），用不同颜色区分类别，并显示图例；若无类别列则所有点用同一颜色；(5) 图表标题为"PCA降维可视化结果"，横轴标签"第一主成分"，纵轴标签"第二主成分"；(6) 点的大小统一为默认值；(7) 不显示数据标签。 | 5._数据降维.xlsx | 图表可视化 | PCA降维可视化结果.png | 1. 样本在第一主成分（PC1）轴上的分布相比PC2的跨度更大。
2. 左上角有一个相对游离的点。
3. 第二主成分最低的点处于第一主成分较低的位置。
3. 所有样本在二维主成分空间中无明显聚集或分层，呈均匀分散状态，未形成清晰可分的簇群。 |
DV_5 | 使用"参与者.xlsx"中的身份群体字段，统计每个身份群体的人数，生成柱状图进行对比。横轴为身份群体类别，纵轴为人数。柱状图按人数降序排列，每个柱子上方标注具体数值。图表标题为"各身份群体人数对比"，纵轴标签为"人数"，横轴标签为"身份群体"。身份群体人数与整体均值的差异超过20%，在该柱子旁标注"*"表示差异显著。 | 参与者.xlsx
1-4题格式.xlsx | 图表可视化 | 各身份群体人数对比.png | 1.大学生群体人数最多（2378人），占总人数的47.2%。中学生群体人数次之（2125人），占总人数的42.2%小学生群体（339人）和校外青少年群体（199人）人数相对较少。
2.大学生和中学生群体人数远超平均水平（1260.25人），差异显著（均超过20%）。
3.小学生和校外青少年群体人数低于平均水平，差异也较为显著。 |
DV_6 | 基于文件"体彩形态分析_完整公式版.xlsx"中的奖号数据，创建一个折线图：横轴为期号（按时间顺序排列），纵轴为该期奖号的三个数字位（假设奖号格式为3位数字，分别为百位、十位、个位），用3条不同颜色的折线分别表示每期这三个位置的数字变化趋势。图表标题为"奖号三位数字变化趋势图"，横轴标签为"期号"，纵轴标签为"数字值（0-9）"，显示图例标注三条线分别对应"百位""十位""个位"，纵轴范围固定为0-9，横轴画近50期的。 | 体彩形态.xlsx | 图表可视化 | 体彩近50期形态.png | 1.第1088期四位奖号为539。2.百位和十位为0次数要多雨个位。3.1102期百位和十位都是9。 |
DV_7 | 在"电商销售数据.xlsx"中，分析出与销售金额最相关的数据，计算线性回归方程 y = ax + b（保留系数到小数点后4位），并生成一张散点图叠加回归直线的可视化图表。图表要求：横轴为自变量，纵轴为因变量，散点显示原始数据点，直线显示拟合结果，图表标题为"线性回归拟合图"，图例标注"原始数据"和"回归直线 y={a}x+{b}"，同时在图表或输出文本中明确给出回归方程、R²值（保留4位小数）。 | 电商销售数据.xlsx | 图表可视化 | 回归图.png | 1.图表展示了广告投入与销售额之间的线性关系。
2.基于广告投入与销售额的线性回归方程为：
y = 0.6902x + 6751.1769
3.模型的决定系数 R² = 0.3419 |
DV_8 | 基于表格3.xlsx中的数据，生成一个柱状图，展示不同处罚原因下的处罚笔数和处罚金额（万元）。具体要求：
1. 横轴为处罚原因（所有不同的处罚原因类别）
2. 纵轴为数值
3. 使用两个独立的柱状图子图（上下排列），第一个子图展示各处罚原因的处罚笔数，第二个子图展示各处罚原因的处罚金额（单位：万元）
4. 两个子图使用不同颜色区分（处罚笔数用蓝色，处罚金额用橙色），都从高到低排列。
5. 图表总标题为"2025年第1-3季度处罚原因分析"
6. 两个子图分别标注子标题："处罚笔数"和"处罚金额（万元）"
7. 在柱子顶部显示具体数值，处罚笔数保留整数，处罚金额保留2位小数 | 表格3.xlsx | 图表可视化 | 柱状图结果.png | 1.上下结构两个柱状图。处罚笔数用蓝色，处罚金额用橙色），都从高到低排列。
2. 每个柱子内容都清晰标出。
3.客户身份识别"是处罚笔数最多的违规行为，达到703笔。大额和可疑交易的甄别和报送"位居第二，处罚笔数为330笔。身份不明客户"排名第三，处罚笔数为252笔。
4. 在处罚金额方面，"客户身份识别"同样居首位。
5. 大额和可疑交易的甄别和报送"在处罚金额方面排名第二，达到2.791亿元。 |
DV_9 | 使用两个文件中的所有数值型数据，生成一副折线图。图表要求：横轴为日期，纵轴为平均流速。注意每个文件里有多个大桥。 | 河段A.xlsx
河段B.xlsx | 图表可视化 | 河段平均流速折线图.png | 1. 5条不同大桥的折线
2. 横轴有日期label，从2025-04-01到2025-11-01
3. 纵轴是平均流速 |
DV_10 | 按层次聚类画热图，top50，图片中全部用英文。 | 1._基因表达矩阵.xlsx | 图表可视化 | hierarchical_clustering_heatmap_top50.png | 1. 热图
2. 5列代表不同的样本
3. 有相关性连线
4. 英文 |
DV_11 | 基于"职务表格4.xlsx"文件，绘制一个分组柱状图，横轴为职务类别，纵轴为数值，每个职务对应两根并排的柱子：第一根柱子表示该职务的处罚笔数（单位：笔），第二根柱子表示该职务的处罚金额总和（单位：元，保留2位小数）。两根柱子使用不同颜色区分，并在图例中标注"处罚笔数"和"处罚金额"。横轴职务按处罚笔数降序排列，处罚笔数相同则按处罚金额降序排列。图表标题为"2025年第1-3季度个人反洗钱处罚部门分布"，纵轴标签为"数值"，横轴标签为"职务"，显示图例，不显示数据标签。 | 职务表格4.xlsx | 图表可视化 | 226-2025年第1—3季度个人反洗钱处罚部门分布.png | 1.高级管理层的处罚笔数和处罚金额均为最高，分别为337笔和750.92万元
2.运营部门和业务部门分别位列第二和第三
3.反洗钱管理部门作为专门负责反洗钱工作的部门，处罚笔数为69笔，处罚金额为190.91万元 |
DV_12 | 对比分析2024年度与2025年度两个辞工汇总表中，每个岗位流失人员数量变化，并生成柱状图。具体要求：
1. 统计对象：两个文件中所有出现过的部门（使用原始表中的完整部门名称，不做任何合并或归类）
3. 统计维度：按部门分组，分别统计2024年度和2025年度的流失人数
4. 输出形式：生成分组柱状图，横轴为部门名称（按2025年流失人数降序排列），纵轴为流失人数，每个部门显示两根柱子（蓝色代表2024年，橙色代表2025年），图表标题为""各部门非关键岗位流失人员对比（2024 vs 2025）""，显示数据标签，包含图例
5. 缺失处理：若某部门仅在一个年度有数据，另一年度记为0；空值部门名称的记录不参与统计
6. 部门顺序按照2024流失人数从高到低排列 | 辞工2024.xlsx
辞工2025.xlsx | 图表可视化 | 部门流失人员对比_2024_vs_2025.png | 1.各部门流失人员统计：
部门 2024年流失人数 2025年流失人数
部门8687 30 30
部门0818 20 16
部门9458 9 2
部门9433 5 3
部门4600 5 1
部门3612 1 1
部门6937 1 0
部门7949 1 0
部门3213 0 1
部门8053 0 1
2. 部门8687连续两年都是非关键岗位流失人数最多的部门，需要重点关注
3. 整体来看，2025年非关键岗位流失人数相比2024年有所下降，表明人才保留措施可能初见成效 |
DV_13 | 基于两个文件中的学生成绩数据，生成一个堆积柱状图，横轴为学科名称（语文、数学、英语、科学、道法），纵轴为学生人数，每个柱子按A/B/C/D等级堆积显示（颜色区分等级，图例标注等级），图表标题为"各学科等级分布"，第一学期和第二学期双柱，标上百分比，保留2位有效数字。等级划分规则：语文/数学/英语：≥95分为A，[85,95)为B，[75,85)为C，<75为D；科学/道法：≥55分为A，[45,55)为B，<45为C（无D等级）。所有学生成绩均参与统计，缺失成绩的学生该科目不计入任何等级。 | 2025第二学期.xlsx
2025第一学期.xlsx | 图表可视化 | 各学科等级分布.png | 1. 图表样式为堆积图
2. 具体数值
第一学期：
语文：
A等级: 1人 (2.86%)
B等级: 4人 (11.43%)
C等级: 13人 (37.14%)
D等级: 17人 (48.57%)
总计: 35人
数学：
A等级: 4人 (11.43%)
B等级: 24人 (68.57%)
C等级: 4人 (11.43%)
D等级: 3人 (8.57%)
总计: 35人
英语：
A等级: 14人 (40.00%)
B等级: 14人 (40.00%)
C等级: 5人 (14.29%)
D等级: 2人 (5.71%)
总计: 35人
科学：
A等级: 3人 (8.57%)
B等级: 28人 (80.00%)
C等级: 4人 (11.43%)
总计: 35人
道法：
A等级: 11人 (31.43%)
B等级: 20人 (57.14%)
C等级: 4人 (11.43%)
总计: 35人
第二学期：
语文：
A等级: 0人 (0.00%)
B等级: 20人 (57.14%)
C等级: 8人 (22.86%)
D等级: 7人 (20.00%)
总计: 35人
数学：
A等级: 27人 (77.14%)
B等级: 4人 (11.43%)
C等级: 2人 (5.71%)
D等级: 2人 (5.71%)
总计: 35人
英语：
A等级: 25人 (71.43%)
B等级: 7人 (20.00%)
C等级: 2人 (5.71%)
D等级: 1人 (2.86%)
总计: 35人
科学：
A等级: 25人 (71.43%)
B等级: 8人 (22.86%)
C等级: 2人 (5.71%)
总计: 35人
道法：
A等级: 23人 (65.71%)
B等级: 10人 (28.57%)
C等级: 2人 (5.71%)
总计: 35人 |
DV_14 | 基于"拉萨河24-25断面.xls"文件，对2024年和2025年的数据分别生成6个子图的线性曲线图，布局为2行3列（上排3个、下排3个）。每个子图展示一个要素指标随时间的变化趋势。具体要求：
1. 数据筛选：分别提取2024年和2025年的全部数据行；
2. 要素选择：选择数据中前6个数值型指标列（数值列少于6个则用实际数量），每个指标对应一个子图；
3. X轴：时间列（有日期列则用该列）；Y轴：对应指标的数值；
4. 曲线样式：2024年用深橙色（RGB: #FF8C00）、2025年用深蓝色（RGB: #00008B），线宽设为2.5；
5. 图例：每个子图显示"2024年"和"2025年"图例，字号14，图例框宽度为默认的1.5倍；
6. 整体图标题：不显示总标题；
7. 子图边框：所有子图边框线宽设为2；
8. 子图标题：每个子图标题为对应指标的列名，字号12；
9. 输出：生成一个PNG图片文件，文件名为"拉萨河断面2024-2025要素对比曲线图.png"，分辨率300dpi。 | 拉萨河24-25断面.xls | 图表可视化 | Code_Generated_Image2.png | 1.2024年数据波动更集中：2024年（深橙色）的河宽、面积等指标，主要在年初（4-6月）出现大幅波动，后续数据较少；而2025年（深蓝色）的波动分布在全年多个时段。
2.要素变化趋势一致：河宽、面积、流量等指标的变化趋势高度同步——比如河宽增大时，面积、流量也随之上升，说明这些水文要素的关联性很强。
3.2025年数据覆盖更完整：2025年各指标的监测数据时间跨度更长，从年初到年末均有记录，而2024年的数据集中在上半年，下半年数据缺失较多。 |
DV_15 | 读取"辞工汇总表2024.xlsx"和"辞工汇总表2025.xlsx"两个文件，合并数据后，按"岗位序列"字段进行分组统计各序列的离职人数，计算每个岗位序列的离职人数占总离职人数的百分比（保留2位小数），按离职人数降序排列，输出Top10岗位序列。生成柱状图：横轴为岗位序列名称（按离职人数降序排列），纵轴为离职人数，在每个柱子上方显示数据标签（离职人数+百分比），图表标题为"各岗位序列离职人数分布"，纵轴标签为"离职人数（人）"，横轴标签为"岗位序列"，显示图例。 | 辞工汇总表2024年度_副本.xlsx
辞工汇总表2025年度_副本.xlsx | 图表可视化 | Code_Generated_Image3.png | 1.生产一线员工离职占比超六成：生产一线员工离职人数达 48 人，占总离职人数的 61.54%，是离职人数最多的岗位序列。
2.生产辅助、普通员工为次要离职群体：生产辅助岗位离职 15 人（占 19.23%），普通员工离职 13 人（占 16.67%），两者合计占比近 36%。
3.中层岗位离职率极低：中层岗位仅 2 人离职，占比仅 2.56%，是离职人数最少的岗位序列。 |
DV_16 | 生成期中考试知识板块得分热力图，横轴为题目，纵轴为学生，学生按照文件中的顺序从上到下排序。 | 202511期中数据分析_(1).xlsx | 图表可视化 | 成绩统计热力图.png | 1、如果热力图里面有画出具体分数的话，每个学生对应的成绩必须正确
2、一共有22个学生，23个小题，每个学生和每个题都需要画出来，不能少画 |
DV_17 | 读取文件"买家身份跟等级.xlsx"，根据"身份"、"买家采购等级"以及月份相关行，按月份（MM格式）进行分组汇总。统计每个月份下"身份"、"买家采购等级"各等级/类别的有效询盘用户数。生成两个柱状图：横轴为月份（按时间升序排列），纵轴为有效询盘用户数，使用分组柱状图展示身份、买家采购等级各分类在每个月份的分布情况。图表标题为"月度身份用户询盘数分布统计"和"月度买家采购等级用户询盘数分布统计"，显示数据标签，包含图例说明。若某月份数据缺失则跳过该月。
在读取买家采购等级或者身份时需要先统计每个月份出现的所有类别，如果在某个月里没有出现其中某些类别的数据，那么将该月类别的数据统计默认为0即可。 | 买家身份跟等级.xlsx | 图表可视化 | 月度买家采购等级用户询盘数分布统计.png
月度身份用户询盘数分布统计.png | 1、买家采购等级一共有6类，身份有16类。类别的顺序不影响画图结果，但是类别不能缺少或者增多。
2、横轴为月份，纵轴为有效询盘用户数。两个图表的标题为"月度身份用户询盘数分布统计"和"月度买家采购等级用户询盘数分布统计"。 |
DV_18 | 根据7个班级文件（人工智能1-7班）中的日期列和出勤状态列，绘制折线图展示各班级每日出勤人数趋势。具体要求：
1. 筛选出勤状态为"已签"的记录，按日期和班级分组统计每日出勤人数
2. X轴为日期（按时间升序排列，格式YYYY-MM-DD）
3. Y轴为当日出勤人数，刻度范围0-70，间隔5（即0,5,10,15,...,70）
4. 绘制7条折线，每条折线代表一个班级，使用不同颜色区分
5. 图例显示在图表边框内的顶部位置，标注各班级名称
6. 图表类型必须为折线图
7. 图表标题为"各班级每日出勤人数趋势"，X轴标签"日期"，Y轴标签"出勤人数" | 人工智能1班.xlsx
人工智能2班.xlsx
人工智能3班.xlsx
人工智能4班.xlsx
人工智能5班.xlsx
人工智能6班.xlsx
人工智能7班.xlsx | 图表可视化 | 班级出勤统计.png | 1、Y轴为当日出勤人数，刻度范围0-70，间隔5（即0,5,10,15,...,70），画出来的图表不能超过这个范围，X轴为日期
2、部分日期由于部分班级在同一天有多次课程，所以出勤超过了70，折线图超出了本图表Y轴范围
3、班级在图例里的排序不影响正确的结果
4、班级4在2025年10月30日当日出勤率在所有日期所有班级里是最低的。 |
DV_19 | 对文件"8._生物词.xlsx"中的所有词汇进行词频统计，统计每个词汇在全部词条中出现的次数，包含作为其他词汇组成部分（子串）的出现情况，并按词频降序排列输出Top 50词汇及其频次的表格；同时基于完整词频数据绘制一张词云图，词云图中词汇大小与其出现频次成正比，颜色随机分配，背景为白色，图片尺寸为800x600像素，标题为"生物词汇词频词云图"。 | 8._生物词.xlsx | 图表可视化 | 生物词汇词频词云图.png | 1、一共有340个词汇，其中词频前六分别是“生物信息学”（25次）、“基因组学”（24次）、“蛋白质组学”（12次）、“合成生物学”（12次）、“代谢组学”（8次）、“转录因子”（8次）。
至少这六个词的大小比例需要符合其名次。
2、标题为“生物词汇词频词云图”，不能有误 |
DV_20 | 根据这个文件生成一个饼图 | 新建_DOCX_文档_(5).docx | 图表可视化 | 饼图.png | 1、从不阅读的频次是432，占比22.05%
2、偶尔阅读的频次是1287，占比65.70%
3、每次阅读的频次是240，占比12.25% |
DV_21 | 从文档中提取出现频次最高前5个词语作为分析对象。对每个维度提取其对应的定量数据或定性描述的频次统计，生成一个横向柱状图：横轴为各维度名称，纵轴为该维度在文中的重要性得分（计算规则：出现次数×2 + 是否在标题/小节标题中出现×10），按得分降序排列。图表标题为"园区化发展核心问题重要性分析"，纵轴标签为"重要性得分"，横轴标签为"问题维度"，显示数据标签（保留整数），不显示图例。 | 交流中心园区化发展分析报告——打造无边界平台型服务园区_(3).docx | 图表可视化 | chart37.png | 1.前5个出现最多的词语分别是平台、服务、功能、发展、空间。
2.各维度重要性得分差异明显，平台重要性得分最高（112分），其次是服务（90分）、功能（78分）、发展（74分），空间得分相对较低（50分）。
|
DV_22 | 绘制“治疗留存曲线” —— 展示患者在接受治疗后的第3、6、9、12个月时，仍在持续治疗的患者比例。 | 4家项目药店支付结构分析_desensitized.xlsx | 图表可视化 | chart_39.png | 1. 患者3个月留存是70.87%
2. 患者6个月留存是53.63%
3. 患者9个月留存是11.76% |
DV_23 | 对学生考勤表进行数据分析，绘制堆叠柱状图展示每位学生的考勤情况。横坐标为学生姓名，纵坐标为缺勤次数。每个学生对应一个柱状条，用不同颜色区分不同的缺勤状态。图表标题为"班级学生考勤情况堆叠柱状图"，纵轴标签为"缺勤次数"，横轴标签为"学生姓名"，需显示图例标明各颜色对应的考勤类型。 | 24级人工智能2班_脱敏版.csv | 图表可视化 | attendance_stacked_bar_chart.png | 1. 学生46的柱子是最高的
2. 学生1-学生5的柱子都是0 |
DV_24 | 这是一份小学英语成绩数据，包含三、四、五、六年级英语成绩。请读取文件中的数据，绘制出每个年级均分（柱状），及格率（折线），优秀率（折线），画到一张图上，左边是分数纵坐标，右边是比率纵坐标。 | 第八小学总（2025年秋）英语-期中测试成绩统计与质量分析表.xls | 图表可视化 | chart41.png | 1. 四年级的柱子最高，平均分是71.09
2. 五年级的及格率最低，是58%。
3. 三年级的优秀率是19.44%。 |
DV_25 | 请基于数据中与空气质量相关的字段，选取 AQI（空气质量指数）、PM2.5浓度、PM10浓度 这三个维度，分别对北京、上海、海口三座城市进行对比分析，并绘制以下折线图：横轴为时间（按月汇总，格式 YYYY-MM），纵轴为 PM2.5 月均浓度，三条折线分别代表北京、上海、海口，显示图例，标题为"三城市PM2.5浓度月度趋势对比"；
| 空气质量_标注严重污染.xlsx | 图表可视化 | 月份.png | 1. 图中北京的线在最上方、中间是上海、最下面的海口。
2. 北京在6月23号左右会有一个凸起，因为这一天的AQI值高达137. |
DV_26 | 使用"作图用.xlsx"中的数据，绘制一个柱状图，展示语文学科各班级的四项指标：平均分、优秀率、合格率、低分率。横轴为班级名称（按班级编号升序排列），纵轴为指标数值。图中需包含：(1) 每个班级对应的四个指标以分组柱状图形式展示（同一班级的四个指标并列）；(2) 在图表中添加全年级这四项指标的平均值作为参考线或单独的对比柱；(3) 在图例或数据标签中标注各班对应的语文教师姓名。百分比类指标（优秀率、合格率、低分率）保留2位小数并显示百分号，平均分保留2位小数。图表标题为"语文学科各班成绩指标对比图"，纵轴标签为"数值"，横轴标签为"班级"，显示数据标签，显示图例。 | 作图用.xlsx | 图表可视化 | chart43.png | 1. 图中需要有4条线。
2. 2班的平均分是最低的。
3. 11班的优秀率是最高的。 |
DV_27 | 请把这份数据做成气泡图，x轴为cpc竞争难度 (越往左竞争越小)； y轴为搜索量(越往上流量越大) ；热度评分决定气泡大小，数值越大气泡越大，气泡数据标签采用关键词。
做成四象限，标注 高cpc 高搜索量 ；高cpc 低搜索量 ；低cpc 高搜索量 ；低cpc低搜索量 。搜索量（Y轴）有的只有几百，有的好几万，普通的坐标轴会让小词挤在一起看不见，应用对数刻度让数据分布更均匀。关键词 CPC 搜索量 热度评分 | 新建_XLS_工作表.xlsx | 图表可视化 | bubble_chart_analysis.png | 1. 点的个数一致；
2. 点的位置正确：关键字匹配之后，横坐标纵坐标大致一致
3. 按照点的大小排序，要吻合 |
DV_28 | 读取文件"水_RQ.xlsx"，以"采样点"为横轴（X轴），"农药名称"为纵轴（Y轴），绘制热图。热图中每个单元格的颜色根据该采样点-农药组合对应的RQ值按以下规则映射：RQ > 1 显示红色，0.1 < RQ ≤ 1 显示紫色，RQ ≤ 0.1 显示淡绿色。热图需显示所有采样点和所有农药（不做TopN截取），横轴标签为采样点名称，纵轴标签为农药名称，添加颜色图例说明三个区间的含义，图表标题为"农区水农药RQ值热图"。 | 水_RQ.xlsx | 图表可视化 | image.png | 1. 行列数相同；
2. 可抽样检查（例如抽50个），列/行关键字相同的方块的颜色相同（红色/紫色/绿色） |
DV_29 | 基于附件中的七年级数学考试数据，生成一幅"学生知识点得分率热力图"：横轴为所有学生（按总分降序排列，取Top30），纵轴为所有知识点，单元格颜色表示该学生在该知识点的得分率（得分/该知识点满分，百分比保留2位小数）。颜色映射：0%为深红色，100%为深绿色，中间渐变。图表标题为"学生知识点得分率分布"，显示颜色条图例，X轴标签为"学生姓名"，Y轴标签为"知识点"。 | 【教学班】2025-2026学年秋学季季末考试（七年级）-数学-小题分析.xlsx
【教学班】2025-2026学年秋学季季末考试（七年级）-七年级学生成绩.xlsx | 图表可视化 | 学生知识点得分率分布.png | 1. 行数/列数正确；
2. 第一列是学生11对应类，并且颜色从第一题到最后一题对应上（0%为深红色，100%为深绿色，中间渐变，颜色不要求严格相同，但是绿/红和渐变要对的上）
3. 第5列为学生2对应类，并且颜色从第一题到最后一题对应上（0%为深红色，100%为深绿色，中间渐变，颜色不要求严格相同，但是绿/红和渐变要对的上） |
DV_30 | 根据文档中描述的信息，生成一个架构图。确定生成的架构类型（技术系统架构/人员组织架构）
1. 图表类型：使用分层结构图（层次图），从上到下展示系统各层级关系
2. 内容提取：识别文档中所有节点信息、角色信息
3. 布局规则：同一层级的组件水平排列，不同层级垂直排列，组件间用带箭头的连接线表示调用/依赖关系（箭头方向：调用方→被调用方）
4. 视觉优化：每个组件用矩形框表示并标注名称；不同层级使用不同背景色区分；连接线使用实线，关键路径可加粗
5. 标注说明：图表标题为"组织架构图"；在图表底部添加图例说明各层级含义和连接线含义
6. 输出形式：生成新的图片文件（PNG格式，分辨率至少1920x1080），文件名为"组织架构图.png" | 滑雪康复旅游项目团队介绍.docx | 图表可视化 | 组织架构图.png | 1. 共包含8位老师，细节：
- “郭**”老师为总负责人，所有其他人指向他
- “孙**”、“高**” 属于“市场研究与模式创新”（能表明这个意思即可，例如通过颜色，或者放在同一个框里都可）
- “蒋**”、“郭**” 属于“技术研发团队”（能表明这个意思即可，例如通过颜色，或者放在同一个框里都可）
- “方*老师”、“朱**老师”、“乔**老师” 属于“指导专家”（能表明这个意思即可，例如通过颜色，或者放在同一个框里都可） |
DV_31 | 请基于"辞工汇总表2024年度.xlsx"和"辞工汇总表2025年度.xlsx"两个文件，筛选出"非关键岗位"的离职记录，按以下维度进行对比分析并生成可视化图表：
按部门维度统计两个年度非关键岗位离职人数的Top5部门对比（分组柱状图，横轴为部门名称，纵轴为离职人数，两个系列分别代表2024和2025年度，按2025年度离职人数降序排列）
最终输出一个包含上述3个图表的可视化文件（PNG或在原Excel中新增sheet"非关键岗位流失对比分析"），每个图表需包含标题、轴标签、图例和数据标签。 | 辞工汇总表2024年度.xlsx
辞工汇总表2025年度.xlsx | 图表可视化 | 部门离职人数对比.png | 1. 出了最后一个“行政组”可以是其他的以外，前四个组的名字、两个柱子的高度都必须和参考答案相同。 |
DV_32 | 读取"七年级试题分析.xlsx"、"八年级试题分析.xlsx"、"九年级试题分析.xlsx"三个文件，提取每个文件中所有学科的难度数据（若存在多个sheet则合并所有sheet；若难度字段名不统一则选择语义最接近"难度"的列），按"年级-学科"维度汇总计算平均难度值（保留2位小数），生成一个包含"年级"、"学科"、"平均难度"三列的汇总表格，并基于该表格绘制一个分组柱状图：横轴为学科名称，纵轴为平均难度值，每个学科内按年级分组显示三根柱子（分别代表七、八、九年级），柱子按年级顺序排列，图表标题为"各年级各学科平均难度对比"，纵轴标签为"平均难度"，横轴标签为"学科"，显示图例区分年级，柱子上方显示数值标签。 | 七年级试题分析.xlsx
八年级试题分析.xlsx
九年级试题分析.xlsx | 图表可视化 | 学科难度柱状图.png | 1. 学科的顺序可以变化
2. 每个学科的柱子数量以及每个柱子（不同年级）的高度，必须吻合 |
DV_33 | 读取"七年级试题分析.xlsx"、"八年级试题分析.xlsx"、"九年级试题分析.xlsx"三个文件，提取每个文件中语数英学科的区分度数据。生成一个分组柱状图，包含"年级"、"学科"、"区分度"三列，按年级（七→八→九）排列。横轴为学科名称，纵轴为区分度数值（保留2位小数），每个年级用不同颜色的柱子并列显示，图例标注年级，图表标题为"各年级各学科区分度对比"，纵轴标签为"区分度"，横轴标签为"学科"，显示数据标签。 | 七年级试题分析.xlsx
八年级试题分析.xlsx
九年级试题分析.xlsx | 图表可视化 | 各年级各学科区分度对比.png | 1、语文区分度七年级最高；
2、数学区分度九年级最低；
3、英语区分度八年级高于九年级； |
DV_34 | 基于"表格2-2.xlsx"中的数据，按"机构类型"字段进行分组，计算每个机构类型的"处罚总金额（万元）"的平均值（保留2位小数）。生成一个垂直柱状图（柱子从上向下延伸，即Y轴原点在顶部），横轴为机构类型，纵轴为平均处罚总金额（万元），所有柱子填充颜色为橙色。按平均处罚总金额降序排列机构类型，若机构类型超过10个则仅展示Top 10。图表标题为"不同机构类型的平均处罚总金额"，纵轴标签为"平均处罚总金额（万元）"，横轴标签为"机构类型"，在柱子顶端显示数据标签（保留2位小数）。 | 表格2-2.xlsx | 图表可视化 | 机构处罚金对比图.png | 1.大型国有商业银行平均处罚金额最高：其平均处罚总金额达 1357.36 万元。
2.股份制银行紧随其后：以 1047.28 万元的平均处罚金额位列第二。
3.村镇银行平均处罚金额最低：仅为 107.00 万元。 |
DV_35 | 请基于数据中"1月"（即日期列中月份为1的所有记录）的数据，按"项目"和"费用类别"两个维度进行分组，计算每个项目下各费用类别的人工成本总和。最终生成一个分组柱状图：纵轴为人工成本金额，横轴为费用类别，数值保留2位小数。图表标题为"1月各项目人工成本分布"，显示数据标签（保留2位小数），图例显示费用类别。 | 测试.xlsx | 图表可视化 | 1 月各项目人工成本分布图.png | 1、工资项研发远高于管理；
2、劳务派遣项研发远低于管理；
3、工伤项柱状高度很低； |
DV_36 | 请读取文件"人资体系.xlsx"中名为"趋势图"的sheet，基于该sheet中的数据列（不含总计)，生成一个折线图：横轴为时间维度列（若存在日期/月份/期数等时间类列，则按时间顺序排列；若不存在明确时间列则按数据原始行顺序），纵轴为数值型指标列（若有多个数值列则全部绘制在同一图中作为多条折线），红色系曲线图，图表标题为"趋势图数据变化"，横轴标签为时间列的列名，纵轴标签为"数值"，显示图例（若有多个指标），不显示数据标签，输出为图片文件保存至当前目录。 | 人资体系.xlsx | 图表可视化 | 人资体系趋势图.png | 1.自有人员数量在7月有一个明显的增长（从144增加到165），之后保持稳定
2.外包人员数量在一月份后保持稳定（均为13人）
3.合计人员数量的变化趋势与自有人员基本一致，在7月有显著增长 |
DV_37 | 读取"作图用.xlsx"文件中的初二年级期中考试成绩数据，统计各班平均分，制作柱状图，按平均分由高到低排列 | 作图用.xlsx | 图表可视化 | 班级平均分对比.png | 1、7班平均分最高；
2、3班平均分最低；
3、8班平均分比2班高； |
DV_38 | 请分析"访客分析48周.xlsx"文件中，统计进店词来源的出现次数最多的前10名。将统计结果按次数降序排列，生成一个柱状图：横坐标为"进店词来源"，纵坐标为"出现次数"。 | 访客分析48周.xlsx | 图表可视化 | 进店词来源统计.png | 1、rims 22 inch wheel的数量最多；
2、range rover vogue在图中数量最少；
3、forged wheels的数量高于wheels car |
DV_39 | 请基于文件2参与者.xlsx中的"地区"字段，统计每个地区的样本数量，按数量降序排列后取前20个地区，绘制柱状图。横轴为地区名称（按数量降序排列），纵轴为样本数量。图表标题为"各地区样本数量分布（Top 20）"，纵轴标签为"样本数量"，横轴标签为"地区"。在每个柱子顶部显示具体数值。同时在图表中添加一条水平参考线，表示这20个地区的平均样本数量，并标注该均值。 | 文件2参与者.xlsx | 图表可视化 | 17-各地区样本数量分布（Top 20）.png | 1.山东省样本量（1448）远超其他地区，是 Top20 中唯一突破 1000 的地区，而最后一名新疆维吾尔自治区仅 19 个样本，分布极不均衡。
2.Top20 地区的平均样本量为 248.8，但前 20 个地区中仅有前 5 个（山东、浙江、湖南、江苏、江西）的样本量超过这一均值，其余 15 个地区均低于平均水平。
3.仅山东省和浙江省的样本量之和（1448+796=2244），就超过了后面 18 个地区样本量的总和，头部地区贡献了主要样本数。 |
DV_40 | 根据数据中与"参与者行为改变"相关的字段，绘制一个柱状图，展示两个指标的对比：(1)"积极寻求健康信息和服务的参与者占比"为66.5%，(2)"尊重他人、践行性别平等的参与者占比"为65.4%。横轴为行为类别（"寻求健康信息和服务"、"尊重他人/性别平等"），纵轴为百分比（0-100%），柱子按数值降序排列（即66.5%在前），每个柱子顶部显示数据标签（保留1位小数+百分号），图表标题为"参与者行为改变占比对比"，纵轴标签为"占比(%)"，横轴标签为"行为类别"，不显示图例。 | 文件1.pdf
青春健康俱乐部调查数据描述性统计分析报告-全文-20251104.docx | 图表可视化 | 43-参与者行为改变占比对比.png | 1.行为改变参与度整体偏高：两类核心行为改变的参与者占比均超 65%，其中 “寻求健康信息和服务” 达 66.5%，“尊重他人 / 性别平等” 达 65.4%，反映青春健康俱乐部活动对参与者行为的正向引导效果显著。
2.健康相关行为改变略占优势：“寻求健康信息和服务” 的占比高于 “尊重他人 / 性别平等”1.1 个百分点，说明参与者在健康需求满足和健康行为养成方面的转变更为突出。
3.两类行为改变均衡发展：两项指标占比差距极小，体现活动在 “健康服务引导” 与 “社会价值观塑造” 两大维度的培育效果均衡，未出现明显短板。 |
DV_41 | 基于黄石市2022-2024年数字经济数据，生成一个组合图表（柱状图+折线图）：左侧Y轴为"总贡献率(%)"，右侧Y轴为"拉动GDP增长(百分点)"，X轴为年份（2022、2023、2024）。柱状图展示总贡献率（2022年17.92%、2023年11.98%、2024年46.51%），折线图展示拉动GDP增长百分点（2022年0.88、2023年0.36、2024年2.09）。图表标题为"2022-2024年黄石市数字经济总贡献率及拉动GDP增长百分点"，左Y轴标签"总贡献率(%)"，右Y轴标签"拉动GDP增长(百分点)"，X轴标签"年份"。柱状图颜色使用渐变蓝色系（#4A90E2），折线图使用橙红色（#E74C3C），线条粗细2.5pt，数据点标记为实心圆（大小8pt）。所有数值保留2位小数并在柱顶和数据点上方显示数据标签（字号10pt，加粗）。图例位于右上角，网格线为浅灰色虚线，背景为白色，整体采用扁平化设计风格。输出为PNG格式图片文件，分辨率1200×800像素，确保数值与输入数据完全一致。 | 黄石市数字经济与高质量发展分析_(1).png | 图表可视化 | 197-2022-2024年黄石市数字经济总贡献率及拉动GDP增长百分点.png | 1.数字经济总贡献率波动后大幅跃升：2022-2024 年黄石数字经济总贡献率先从 17.92% 降至 11.98%，2024 年直接攀升至 46.51%，涨幅超 3 倍，体现数字经济产业在 2024 年实现了突破性发展。
2.拉动 GDP 增长的作用与贡献率同步变化：拉动 GDP 增长的百分点随总贡献率波动，2023 年（0.36 个百分点）处于低位，2024 年随贡献率飙升至 2.09 个百分点，说明数字经济对 GDP 的拉动效应与其自身贡献规模高度关联。
3.2024 年数字经济成为经济增长核心动力：2024 年数字经济总贡献率接近 50%、拉动 GDP 增长超 2 个百分点，较前两年大幅提升，标志其已从辅助增长力量转变为黄石经济增长的关键支撑。 |
DV_42 | 根据提供的数据，重新绘制"2024年黄石GDP增量来源分解图"（饼图），要求：
1. 数据准确性：必须包含三个部分及其精确数值和占比：数字经济直接贡献45.1亿元（45.1%）、数字经济间接贡献1.41亿元（1.41%）、其他产业贡献53.49亿元（53.49%）
2. 图表类型：饼图
3. 视觉优化要求：使用渐变色（数字经济相关部分用同色系深浅区分），每个扇区显示数据标签（包含金额和百分比，格式为"XX亿元 (XX.XX%)"），添加图例，设置清晰的图表标题"2024年黄石GDP增量来源分解（总增量100亿元）"
4. 布局优化：扇区按占比降序排列（其他产业→数字经济直接→数字经济间接），确保标签不重叠，图表整体居中且比例协调
5. 输出形式：生成一个新的PNG图片文件，文件名为"黄石市GDP增量来源分解图_优化版.png"，分辨率不低于1920×1080像素 | 黄石市数字经济与高质量发展分析_(2).png | 图表可视化 | 198-黄石市GDP增量来源分解图_优化版.png | 1.其他产业仍是 GDP 增量的核心支撑：2024 年黄石 GDP 增量中，其他产业贡献 53.49 亿元、占比 53.49%，超过总增量的一半，体现传统及非数字类产业目前仍是经济增长的基础主导力量。
2.数字经济直接贡献接近半壁江山：数字经济直接贡献达 45.1 亿元、占比 45.1%，已成为 GDP 增长的重要动力，反映黄石数字经济产业自身的发展规模与增长活力已较为突出。
3.数字经济间接带动效应待释放：数字经济间接贡献仅 1.41 亿元、占比 1.41%，说明当前数字经济对其他产业的辐射、赋能作用尚未充分发挥，产业融合的提升空间较大。 |
DV_43 | 对7个班级的学生考勤表进行数据分析，绘制一张折线图展示各班级"事假"人数随时间的变化趋势。具体要求：
数据处理规则：
1、"事假"的判定：仅统计假别字段明确为"事假"的记录，"公假""病假"等其他假别不计入
2、若同一学生在同一天存在多条记录（如同时有"公假"和"事假"），只要该学生当天至少存在一条"事假"记录，即计为1人
3、每个日期每个班级统计的是当天请事假的不重复学生人数（即同一学生当天有多条事假记录只计1人）
4、横轴日期取所有班级日期的并集（即任一班级出现过的日期均纳入横轴）。若某班级在某个日期无任何考勤记录，则该班级在该日期不绘制数据点（折线自然跳过，不补零）
图表样式要求：
1、横轴为日期（按时间升序排列，格式为"M/D"，如"9/22""10/13"），纵轴为事假人数，纵轴范围固定为0-35，刻度间隔为5
2、图中包含7条折线，每条折线代表一个班级，使用不同颜色区分
3、图例为横向排列，位置在折线图边框内的顶端，图例字体大小为12，图例项之间的间距为10
4、图表标题为"各班级事假人数趋势对比"，标题字体大小为18，标题与图表主体的间距为20 | 24级人工智能1班_脱敏.xlsx
24级人工智能2班_脱敏.xlsx
24级人工智能3班_脱敏.xlsx
24级人工智能4班_脱敏.xlsx
24级人工智能5班_脱敏.xlsx
24级人工智能6班_脱敏.xlsx
24级人工智能7班_脱敏.xlsx | 图表可视化 | 学生考勤数据统计分析.jpg | 1、7条折线图；
2、横轴为日期（按时间升序排列，格式为"M/D"，如"9/22""10/13"），纵轴为事假人数，纵轴范围固定为0-35，刻度间隔为5 |
DV_44 | 请你绘制一张代谢物-细菌关联网络图。细节要求如下：
1、筛选关键代谢物：计算所有代谢物（液质、气质）与评吸综合得分的Pearson相关系数，筛选出与评吸得分显著相关的Top 10代谢物（|r| ≥ 0.3且p < 0.1）
2、计算代谢物-细菌相关性：对步骤1中得到的这Top 10代谢物，计算它们与文档里各细菌的相关性，保留显著相关的配对（|r| ≥ 0.3且p < 0.1）
3、网络图展示（保存图片为“metabolite_microbe_network.png”）：
- 两类节点：代谢物（蓝色）、细菌（红色）
- 边表示代谢物与细菌的显著相关关系
- 正相关用红色边，负相关用蓝色边 | 01_评吸结果.xlsx
02_液质代谢物数据.xlsx
03_气质代谢物数据.xlsx
04_细菌丰度数据.xlsx | 图表可视化 | metabolite_microbe_network.png | 1、图中蓝色节点标记为：GC_Metabolite_28、GC_Metabolite_32、GC_Metabolite_45、LC_Metabolite_20、LC_Metabolite_32、LC_Metabolite_48；
2、图中红色节点标记为：Bacteria_1、Bacteria_2、Bacteria_4、Bacteria_12、Bacteria_14、Bacteria_17、Bacteria_18、Bacteria_24、Bacteria_26、Bacteria_29；
3、图中的边有：
- 蓝色边（负相关）：(GC_Metabolite_45, Bacteria_4)、(GC_Metabolite_28, Bacteria_29)、(LC_Metabolite_32, Bacteria_17)
- 红色边（正相关）：(GC_Metabolite_45, Bacteria_26)、(GC_Metabolite_45, Bacteria_12)、(GC_Metabolite_28, Bacteria_26)、(GC_Metabolite_28, Bacteria_17)、(GC_Metabolite_28, Bacteria_12)、(GC_Metabolite_32, Bacteria_14)、(GC_Metabolite_32, Bacteria_2)、(LC_Metabolite_20, Bacteria_1)、(LC_Metabolite_48, Bacteria_14)、(LC_Metabolite_48, Bacteria_2)、(LC_Metabolite_32, Bacteria_24) |
DV_45 | 基于"黄金历史价格数据(日).csv"文件，使用移动平均法预测收盘价格。具体要求：
1. 筛选出2024年（2024-01-01至2024-12-31）的所有数据记录
2. 对收盘价字段（与"收盘价"语义最匹配的列）计算移动平均值，窗口大小为30天（1个月按30天计算）
3. 预测值定义为：每个日期的预测收盘价等于该日期之前30天（包含当天）收盘价的算术平均值；前29天因数据不足，预测值记为空值
4. 绘制折线图，横轴为日期（按时间升序排列），纵轴为价格数值（保留2位小数）
5. 图中包含两条折线：一条为2024年实际收盘价（标签为"实际收盘价"），一条为对应的移动平均预测值（标签为"预测收盘价"）
6. 图表标题为"2024年黄金收盘价：实际值与移动平均预测值对比"，横轴标签为"日期"，纵轴标签为"价格"
7. 显示图例，区分两条折线；不显示数据标签
8. 输出形式为生成可视化图表文件 | 黄金历史价格数据(日).csv | 图表可视化 | 2024年黄金收盘价预测对比图.png | 1、横轴坐标为日期，纵轴坐标为价格；
2、两条折线，一条是实际收盘价，一条是预测收盘价 |
DV_46 | 读取文件"2.按学校统计.xlsx"中的数据，按学校序号（升序排列）绘制分组柱状图，横轴为学校序号，纵轴为数值，同时展示三个指标：平均分、及格率、优秀率。三个指标作为不同系列（不同颜色柱子）并列显示，图例标注清楚各系列名称。纵轴范围自动适配数据，平均分保留2位小数，及格率和优秀率以百分比形式显示（保留2位小数，如"85.50%"）。图表标题为"各学校平均分、及格率、优秀率对比"，横轴标签为"学校序号"，纵轴标签为"数值"，显示数据标签。 | 2.按学校统计.xlsx | 图表可视化 | 美术素养对比.jpg | 有21个学校，每个学校3条柱子 |
DV_47 | 画一个直方图，统计每一周“发货人数量”前五名的销售人的箱量TEU。
- 每周的箱量TEU的数据在以“x周”（如“1周”、“2周”）为列名的列中；
- 最终图表存为“top5销售箱量TEU.png”：
横轴为"周"（按时间顺序排列），纵轴为"箱量TEU"，每周显示5个柱子分别代表该周前5名销售员，使用不同颜色区分不同销售员，图例显示销售员名称。图表标题为"各周Top5销售员箱量TEU统计"，纵轴标签为"箱量TEU"，横轴标签为"周次"。箱量TEU数值保留2位小数。若某周销售员不足5人则显示实际人数。 | 销售员维度统计分析_脱敏.xlsx | 图表可视化 | top5销售箱量TEU.png | 1、纵轴标签为"箱量TEU"，横轴标签为"周次"；
2、有49周，每周0至5个柱子 |
DV_48 | 读取文件"新建_XLSX_工作表_(2)_脱敏.xlsx"中的诉讼台账数据，统计每个承办人（员工）的案件数量，按案件数量降序排列（数量相同的，姓名小的放前面），取前10名（若不足10人则全部展示），绘制柱状图：横轴为承办人姓名，纵轴为案件数量，柱子按案件数量从高到低排列（数量相同的，姓名小的放前面），图表标题为"各承办人案件数量统计（Top10）"，纵轴标签为"案件数量（件）"，横轴标签为"承办人"，在每个柱子顶部显示具体数值。 | 新建_XLSX_工作表_(2)_脱敏.xlsx | 图表可视化 | chart_72.png | 1. 前十名分别为：姓名4（31件）、姓名5（22件）、姓名2（19件）、姓名1（18件）、姓名6（18件）、姓名9（14件）、姓名8（7件）、姓名3（2件）、姓名7（1件）、姓名10（1件）
2. 图表标题必须为"各承办人案件数量统计（Top10）"，纵轴标签必须为"案件数量（件）"，横轴标签必须为"承办人"
3. 姓名1 和 姓名6 均为 18 件，且姓名1在前； 姓名7 和 姓名10 均为 1 件，且姓名7在前 |
DV_49 | 将奇异值按从大到小的顺序画出来，只画前10个，横轴标签为“奇异值”、纵轴标签为空、title为“前十大奇异值”。纵轴零点刻度从20开始。每跟柱子上显示对应的奇异值大小，保留两位小数。 | 2._单细胞模拟数据.xlsx | 图表可视化 | chart_73.png | 1、前十个奇异值大小分别为：41.44、41.22、40.19、40.06、39.51、39.37、39.03、38.85、38.63、38.54
2、横轴标签为“奇异值”、纵轴标签为空、title为“前十大奇异值”
3、纵轴零点刻度从20开始 |
DV_50 | 在一张图中画两张子图：
1、左边是一个表格，汇总“合并信息”列第十题不同班级不同学科（忽略“无”）的次数，横轴是学科，纵轴是班级。最下面增加一行“合计”、最右边增加一列“合计”。数据从“合并信息”
2、右边是一个饼图，统计每个学科合计的数目和占比（百分号，保留两位小数点，小数点第二位是0可只保留一位小数点）。title“不同学科占比”，需要数据标签，并在下方显示图例。 | 高三1-18班作业时长问卷调查结果汇总.xlsx
问卷题目.docx | 图表可视化 | chart_74.png | 1、一共 18 个班级（1班、2班、... 、18班）
2、一共 9 个学科（语文、数学、英语、物理、化学、生物、历史、政治、地理）
3、不同学科合计的数目和占比为：语文：79（12.68%）、数学：200（32.1%）、英语：111（17.82%）、物理：30（4.82%）、化学：70（11.24%）、生物：24（3.85%）、历史：32（5.14%）、政治：57（9.15%）、地理：20（3.21%） |
DV_51 | 读取文件"处理2.xlsx"中的F列方位角数据，绘制一个极坐标图（圆形图表）：以圆心为原点，每个方位角对应一条从圆心指向圆周的射线，射线末端标注该数据行的序号。图表要求：使用极坐标系，角度轴范围0-360度（0度为正北方向，顺时针），所有射线长度相同，每条射线末端用文本标注对应行号，图表标题空，不显示径向刻度值，仅保留角度刻度（每30度一个刻度标签）。 | 处理2.xlsx | 图表可视化 | chart_75.png | 1、一共16行数据，图中圆心出发，必须画出16条射线或线段
2、16条射线或线段末端必须正确标注对应序号
3、严格遵循 “0 度正北、顺时针” 每 30 度标注刻度 |
DV_52 | 基于"客户行为数据.xlsx"中与客户价值相关的两个核心数值字段（总消费金额、购买次数），生成一张散点图：横轴为第一个数值字段，纵轴为第二个数值字段，每个点代表一个客户。客户等级用不同颜色区分：高价值（购买次数大于2）、中价值（购买次数等于2）、低价值（购买次数等于1）。图表标题为"客户行为分析散点图"，横轴和纵轴标签分别为所选字段的列名，左上角显示客户等级图例，不显示数据标签。若客户数超过500个，随机抽样500个客户展示以保证可读性。 | 客户行为数据.xlsx | 图表可视化 | chart_76.png | 1、标题必须是"客户行为分析散点图"、横轴必须是“总消费金额”、纵轴必须是“购买次数”
2、一共9个点，其中（289，1）两个点重合。
3、左上角必须显示客户等级图例、并用三种不同的颜色区分不同的客户等级。图例中颜色必须和表格中点颜色一致 |
DV_53 | 基于"价格销量数据.xlsx"中与价格相关的字段，生成一张柱状图：横轴为产品名称或产品类别（选择数据中存在的分类维度字段），纵轴为平均价格，按平均价格降序排列，展示Top 10产品/类别的价格对比（产品名称相同的算1个，少于10个则显示全部）。图表标题为"产品价格分析（Top 10）"，纵轴标签为空，横轴需要显示具体的产品名称。每一个柱子上方用红色显示数据标签，若是整数不显示小数部分，若是小数保留1位小数点。必须画出网格线 | 价格销量数据.xlsx | 图表可视化 | chart_77.png | 1、标题必须为"产品价格分析（Top 10）"，纵轴标签必须为空，横轴必须显示具体的产品名称（从左到右依次为：时尚风衣、修身圆领针织裙、中长款A字裙、淑女风碎花连衣裙、高腰牛仔裤、针织开衫、简约通勤衬衫、休闲卫衣）
2、一共8个柱子，柱子上方必须用红色显示对应的平均价格，从左到右依次为：689、459、445、428、359、329、289、199
3、必须画出网格线 |
DV_54 | 请基于"竞品类目数据.xlsx"中的数据制作柱状图，对比本店和竞店不同类目产品的月销售额。横轴必须显示具体的类目名称，按本店月销售额从大到小排序，没有的数字按0处理。title为“月销售额对比”并顶部居中。legend底部居中，用不同颜色表示本店和竞店的数据。柱子上方显示对应的销售额数值 | 竞品类目数据.xlsx | 图表可视化 | chart_78.png | 1、标题必须为“月销售额对比”并顶部居中，legend必须底部居中，用不同颜色表示本店和竞店的数据
2、一共4个类目，从左到右分别为：连衣裙、上衣、裤子、裙子
3、不同类目月销售额分别为：连衣裙（本店239155，竞店330044）、上衣（本店105237，竞店209569）、裤子（本店95853，竞店77022）、裙子（本店0或空，竞店66677） |
DV_55 | 请基于文件"25Q3外包考核用户数据.xlsx"，按"角色"字段进行分组统计，计算每个角色的"整体均分"（对所有与分数相关的数值列求平均值后再对每个角色求均值），找出整体均分最高和最低的两个角色并明确输出其角色名称和对应均分值（保留2位小数）。同时生成一个柱状图：横轴为所有角色名称，纵轴为各角色的整体均分，按整体均分降序排列，图表标题为"各角色整体均分对比"，纵轴标签为"整体均分"，横轴标签为"角色"，柱子上方显示数据标签（保留2位小数）。 | 25Q3外包考核用户数据.xlsx | 图表可视化 | 各角色整体均分对比.png | 1. 图表清晰地展示了各角色考核均分从 4.27 到 2.85 的降序分布情况。
2. FDE/VPM/XPM 角色得分显著领先，为4.27。
3. 而结构角色的考核均分在所有角色中最低，为2.85。 |
DV_56 | 请读取文件"25Q3外包考核用户数据.xlsx"，按"体系"字段进行分组统计，计算每个体系的"整体均分"（对所有数值型评分列求平均值后再对该体系内所有记录求平均，保留2位小数）。找出整体均分最高的1个体系和最低的1个体系，输出这两个体系的名称及其对应的整体均分数值。同时生成一个柱状图：横轴为各体系名称，纵轴为整体均分，按整体均分降序排列，显示数据标签（保留2位小数），图表标题为"各体系整体均分对比"，纵轴标签为"整体均分"，横轴标签为"体系"。 | 25Q4外包考核用户数据.xlsx | 图表可视化 | 各体系整体均分对比.png | 1. 体系_01 以 3.70 分位居榜首，高出排名第二的体系_02 近 0.24 分。
2. 体系_06 整体均分为 2.73，是所有体系中唯一分值低于 2.8 的单位。
3. 各体系间绩效表现差异明显，最高分 3.70 与最低分 2.73 的分差达到了 0.97 分。 |
DV_57 | 使用"文件2参与者.xlsx"中的数据，
按省份分组统计各省的活动实用性评分的均值（将每个用户的所有实用性评分求均值，在对省份求均值）绘制折线图：横轴为省份（按指标均值降序排列，取Top10省份），纵轴为该指标的均值，每条折线代表一个省份的数值变化趋势。
图表标题为"各省份群体特征对比（Top10）"，显示数据标签（保留2位小数），添加图例说明省份名称。 | 文件2参与者.xlsx | 图表可视化 | 各省份群特特征对比.png | 1.安徽省最高4.88分，吉林省4.78紧随其后。
2.上海、天津、黑龙江依次递减，差别不大，浙江最后。
3.可视化折线图按均值降序排列，直观呈现了领先省份的评价走势，并标注了保留两位小数的精确分值。 |
DV_58 | 基于"文件2参与者.xlsx"中的年龄数据，按年龄段分组统计各组的人数占比，
绘制折线图展示不同年龄段群体的分布趋势。
横轴为年龄段（按10岁间隔分组：0-9岁、10-19岁、20-29岁...依此类推），纵轴为该年龄段人数占总人数的百分比（保留2位小数）。
折线按年龄段升序连接各点，图表标题为"年龄段分布趋势"，横轴标签"年龄段"，纵轴标签"占比(%)"，显示数据标签，不显示图例。 | 文件2参与者.xlsx | 图表可视化 | 年龄段分布趋势.png | 1.折线图呈现先上升后下降的趋势。
2.30-39岁占比最低，为0.73%，其次是0-9岁
3.10-19岁占比最高，为69.69% |
DV_59 | 基于"文件2参与者.xlsx"中的"9种类型勾选"相关字段，
统计每种类型被勾选的总次数，生成一个柱状图：横轴为9种类型的名称，纵轴为各类型被勾选的次数，按次数降序排列，显示数据标签，图表标题为"9种类型勾选分布"，纵轴标签为"勾选次数"，横轴标签为"类型名称"。 | 文件2参与者.xlsx | 图表可视化 | 9种类型勾选分布.png | 1. 整体是一个从左到右数值递减的柱状图，展示了勾选类型的频数分布
2. 出现次数最多的是健康讲座，高达4365次
3. 最少的除了其他，是线上服务，有876次 |
DV_60 | 基于提供的企业数据.xlsx，生成一张优化后的双栏布局图表，包含：左侧环形图展示"数字核心产业各细分领域企业数量分布"，右侧柱状图展示"数字核心产业各细分领域高新技术企业占比"（。环形图需显示数据标签（数量+百分比，保留1位小数），扇形按占比降序排列；柱状图需显示数值标签（百分比保留1位小数），柱形按占比降序排列，纵轴刻度间隔20%。图表整体采用学术风格配色（色系协调、对比度适中），标题字号14号加粗，轴标签字号10号，图例位于各子图下方，输出为PNG格式图片文件，分辨率不低于1200×600像素。 | 企业数据.xlsx | 图表可视化 | 数字核心产业统计.png | 1.左侧环形图显示，数字产品制造业（45.5%）与数字要素驱动业（40.7%）的企业数量合计占比超过八成，是数量最多的两个领域。
2.右侧柱状图展示了高新技术企业占比，其中数字产品制造业以81.6%位列第一，数字技术应用业以61.5%紧随其后。
3.数字要素驱动业的高新技术企业占比为14.7%，而数字产品服务业该项数值目前为0.0%。 |
DV_61 | 基于"辞工汇总表2024.xlsx"和"辞工汇总表2025.xlsx"两个文件中的人员流失数据，生成一个对比2024年与2025年流失人数的柱状图。 具体要求：横轴为时间维度（2024年、2025年），纵轴为流失人数总计； 若数据中包含月度明细，则按月汇总后对比两年同期各月的流失人数（横轴为月份1-12月，用两组柱子分别代表2024年和2025年）； 图表标题为"2024年vs 2025年人员流失对比"；显示数据标签；图例标注年份；按月份顺序排列；保留整数（人数）。 | 辞工汇总表2024.xlsx
辞工汇总表2025.xlsx | 图表可视化 | 2024年vs2025年人员流失对比.png | 1. 2024年各月的流失情况较为波动，其中7月和9月流失人数较高。
2. 2025年的数据显示流失人数普遍较少，且部分月份数据为0。
3. 2024年单月流失人数最高高达10人，2025单月流失人数最高5人。 |
DV_62 | 绘图：综合满意度平均分8.98分，67.8%的参与者给出9-10分的高评价，95.68%的参与者愿意推荐俱乐部。 | 青春健康俱乐部调查数据描述性统计分析报告-全文-20251104.docx
文件1.pdf | 图表可视化 | 绘制俱乐部满意度数据图表.png | 1.包含综合满意度、评价、推荐意愿 3部分内容。
2.综合满意度平均分是8.98 分。
3.67.8%的参与者给出9-10分的高评价，用饼图/环形图等。
4.95.68%的参与者愿意推荐俱乐部，用饼图或环形图等。 |
DV_63 | 请基于 AVT.xls 文件，绘制一张折线图，展示不同型号产品在不同温度条件下的 KBT 指标变化趋势。具体要求：横轴为温度（按数值升序排列），纵轴为 KBT 值，每个型号用一条独立的折线表示（不同颜色区分），图例显示所有型号名称，图表标题为"不同型号在不同温度下的KBT变化趋势"，横轴标签为"温度(℃)"，纵轴标签为"KBT"，显示数据标签（保留2位小数）。 | AVT.xls | 图表可视化 | 不同型号在不同温度下的KBT变化趋势.png | 1.所有型号 KBT 值随温度升高呈递增趋势
2.产品型号2400k的温度上升最明显
3.KBT 值的大小与型号功率等级呈正相关
4.共8种型号，7个温度。 |
DV_64 | 请基于文件"试验2.xlsx"中的数据，以日期为横轴（X轴），绘制折线图展示"4.75-9.5规格的超径率和逊径率随时间的变化趋势"。图表要求：横轴为日期（按时间升序排列），纵轴为百分比%，图中包含两条折线（一条代表超径率，一条代表逊径率），每条折线显示数据标签，图例位置为顶部，图表标题为"4.75-9.5mm规格超径率与逊径率趋势图"，X轴标签为"日期"，Y轴标签为"百分比(%)"。若某日期-百分比组合有多个结果，取平均值。若某一日期缺失，跳过忽略。 | 试验2.xlsx | 图表可视化 | 4.75-9.5mm规格超径率与逊径率趋势图.png | 1.超径率与逊径率大致呈现反向波动关系
2.10月28号的逊径率为17.5%
3.逊径率的最高点是26.9%。 |
DV_65 | 读取文件"辞工汇总表2024.xlsx"，将岗位分为"关键岗位"和"一般岗位"两类。统计两类岗位的流失人数。生成一个柱状图：横轴为岗位类型（关键岗位、一般岗位），纵轴为流失人数，柱子上方显示数据标签（流失人数数值），图表标题为"关键岗位与一般岗位流失人数对比"，Y轴标签为"流失人数"，X轴标签为"岗位类型"。 | 辞工汇总表2024.xlsx | 图表可视化 | 关键岗位与一般岗位流失人数对比.png | 1.一般岗位员工流失得更多，为32人。
2.关键岗位流失22人。
3.图表X轴标签为“岗位类型”。 |
DV_66 | 基于数据文件生成可视化图表：
客户分布散点图：以客户的经纬度坐标为 X 轴（经度）和 Y 轴（纬度），绘制散点图，每个点代表一个客户位置，图表标题为"客户地理位置分布图"，X 轴标签"经度"，Y 轴标签"纬度"。并且每个点用不是的颜色表示客户需求量，单位（吨），点上要带门店标签（如C1、C2……）。 | 副本供应链分析期末文档.xlsx | 图表可视化 | 客户分布散点图.png | 1. 距离C11点最近的点事C3点。
2. C11和C9点的颜色相同。
3. C6的位置在坐标（16.4,23.5）。
|
DV_67 | 基于"AI素养测评-终级整合版.xlsx"以及"AI素养测评-原版问卷题目及赋分规则.docx"（题目与赋分规则），执行以下任务：
为第一道题生成一张横向条形图，图表要求：
- 图表类型：横向条形图（Y轴为选项内容完整文字，X轴为选择人数）
- 每个条形上显示数据标签："{选择人数} ({占比})"，例如"150 (25.3%)"
- 按选择人数降序排列（人数最多的在最上方）
- 图表标题："题目1 选项分布"
- X轴标签："选择人数"，Y轴标签："选项内容"
- 保存为独立图片文件，命名为"题目1_选项分布.png" | AI素养测评-终级整合版.xlsx
AI素养测评-原版问卷题目及赋分规则.docx | 图表可视化 | 题目1_选项分布.png | 1. 选项B的人数是1064，百分比是84.2%。
2.选项E选项的人数最少。
3.选项C排在正中间。 |
DV_68 | 基于"文件2参与者.xlsx"中与参与频率相关的列，统计3种参与频率类型各自的数量，生成一个柱状图。横轴为3种参与频率类型的名称，纵轴为对应的数量（计数），按数量降序排列。图表标题为"参与频率类型分布"，纵轴标签为"数量"，横轴标签为"参与频率类型"，显示数据标签（每个柱子顶部显示具体数值），不显示图例。 | 7题格式.xlsx
文件1.pdf
文件2参与者.xlsx | 图表可视化 | 参与频率类型分布柱状图.png | 1.参与频率与参与人数呈反比关系
2.低频参与者构成主要群体
3.三个频率类别之间存在明显的数量级差异 |
DV_69 | 基于"文件2参与者.xlsx"中的性别字段，统计男性和女性各自的人数及占比，并绘制一个柱状图进行对比。横轴为性别类别（男、女），纵轴为人数。图表标题为"性别分布对比"，在每个柱子顶部显示具体人数和占比（百分比保留2位小数）。同时在图表下方或旁边以文本形式输出卡方检验的p值，用于判断性别分布差异是否显著（p<0.05视为显著）。若数据中存在性别缺失值，则在统计时忽略该行。 | 7题格式.xlsx
文件1.pdf
文件2参与者.xlsx | 图表可视化 | 性别分布对比图.png | 1：可以清晰的看到女生性别占比高于男生
2：男生和女生的性别人数分别都超过了2000人
3：女生比男生多977人 |
DV_70 | 基于"文件2参与者.xlsx"中的省份字段和相关群体特征指标，绘制一个柱状图：横轴为各省份（按参与人数降序排列，取Top 10），纵轴为该省份的核心群体特征指标均值（选择数据中与"群体特征"语义最匹配的数值型列，若有多列则优先选择"年龄"或"收入"等人口学指标），每个省份显示一个柱子。图表标题为"各省份群体特征对比（Top 10）"，纵轴标签为所选指标名称+单位，横轴标签为"省份"，柱子上方显示数值标签（保留2位小数），并在图表下方或副标题注明整体均值作为参照基准。 | 7题格式.xlsx
文件1.pdf
文件2参与者.xlsx | 图表可视化 | 各省份群体特征对比图.png | 1:广西壮族自治区的群体特征比是最低的
2:江苏省、河北省、河南省，平均年龄已超过18岁
3:江苏省的平均年龄最高 |
DV_71 | 基于文件2参与者.xlsx中的数据，计算所有数值型列之间的皮尔逊相关系数矩阵，并生成一个相关性热力图。热力图要求：使用色块表示相关系数强度（-1到1），颜色方案为红色表示正相关、蓝色表示负相关、白色表示无相关；在每个色块上显示相关系数数值（保留2位小数）；X轴和Y轴均为变量名称；添加颜色条图例标注相关系数范围；图表标题为"变量相关性热力图"。若数据中数值型列少于2个，则输出提示信息说明无法生成相关性分析。 | 7题格式.xlsx
文件1.pdf
文件2参与者.xlsx | 图表可视化 | 变量相关性热力图.png | 1:所有变量与自身的相关系数均为 1（表现为最深的红色块）
2:部分变量间存在较高的正相关，例如 “人际关系” 与 “人生规划” 的相关系数达到 0.48，“专业水平” 与 “服务态度” 的相关系数为 0.44，说明这些变量之间存在较为明显的正向关联。
3:多数变量间的相关系数集中在 0 附近（颜色接近浅橙色或白色），例如 “年龄” 与 “生育知识” 的相关系数仅为 - 0.04，“心理重建” 与 “人生规划” 的相关系数为 - 0.00，说明这些变量之间的关联程度较弱。 |
DV_72 | 读取文件"两种耳机数据.png"中的数据，提取Product_A 和 Product_B两款耳机的以下5个续航指标：(1)单次充电续航时间、(2)充电盒总续航时间、(3)快充10分钟续航时间、(4)通话续航时间、(5)降噪模式下续航时间。绘制一个雷达图，雷达图包含5个维度轴（对应上述5个指标），每个维度轴的刻度范围为[0, max(该指标在两款耳机中的最大值)*1.2]，两款耳机分别用不同颜色的多边形表示（苹果用蓝色，索尼用橙色），多边形区域填充透明度为0.3，边线宽度为2。图表标题为"Product_A 和 Product_B续航性能对比"，显示图例标注两款耳机名称，所有续航时间数值单位统一为"小时"，若原始数据单位为分钟则转换为小时并保留1位小数。 | 两种耳机数据.png | 图表可视化 | 5维雷达图.png | 1:在 “快充 10 分钟航时” 维度，Product_B 的数值仅为 0.3，远低于Product_A，是其续航表现的明显短板。
2:“降噪模式下续航时间” 维度，两者数据相同，说明开启降噪后，两款耳机的单次续航能力一致。
3:在 “充电盒子总续航时间”“通话总续航时间”“快充 10 分钟航时” 这三个维度，Product_A 的表现（对应蓝色多边形）均优于Product_B。 |
DV_73 | 基于提供的南京医药AI项目集Excel文件，按"启动年份"字段（2026、2027、2028）分别生成三张独立的四象限气泡图。每张图的具体要求如下：
1. X轴：项目的"可行性维度总得分"（若文件中字段名不完全一致，选择语义最接近的列，如"可行性总分"或包含"可行性"的汇总列）
2. Y轴：项目的"重要性维度总得分"（同理选择语义最接近的列）
3. 气泡大小：由"紧迫性维度总得分"决定（气泡面积与该得分成正比）
4. 气泡标签：显示项目的"序号"字段（若无"序号"列则用行号或项目编号）
5. 气泡颜色：根据"业务板块"字段映射，规则为：供应链=绿色(#00FF00)、物流=蓝色(#0000FF)、零售=黄色(#FFFF00)、运营管理=红色(#FF0000)；若存在其他板块则用灰色(#808080)
6. 坐标轴范围：X轴和Y轴的最小值取所有项目（三年合并）对应维度得分的最小值向下取整，最大值取最大值向上取整，确保所有气泡完整显示在图内；刻度间隔自动均分为4-6段
7. 图表标题：分别为"2026年启动项目四象限分析"、"2027年启动项目四象限分析"、"2028年启动项目四象限分析"
8. 四象限分割线：X轴和Y轴的中线位置为各自维度得分的中位数（所有项目合并计算）
9. 输出形式：生成3张含对应年份的气泡图，分别命名为"气泡图_2026"、"气泡图_2027"、"气泡图_2028"
10. 缺失值处理：若某项目任一维度得分缺失，则该项目不参与对应年份的绘图；若"启动年份"缺失则归入"未分类"不绘制 | 人工智能数智化项目集及路线图（12.18）.xlsx | 图表可视化 | 气泡图_2026.png
气泡图_2027.png
气泡图_2028.png | 1.2026 年（42 个项目）：以供应链（绿色）和运营管理（红色）项目为主，高可行性 + 高重要性（第一象限）项目占比约 35%；
2.2027 年（47 个项目）：物流（蓝色）项目数量显著增加，低可行性 + 高重要性（第二象限）项目需重点关注可行性提升；
3.2028 年（11 个项目）：项目数量较少，以零售（黄色）和供应链项目为主，整体分布较 分散，需进一步规划优先级。 |
DV_74 | 读取文件"数据分析2025.12.19.xlsx"，筛选出2025年的成交记录，按客户类型（国企、政府、民企、个人）分别统计各省的成交金额总和。对每种客户类型，生成一张中国地图热力图，用各省区域的颜色深浅表示该省该类型客户的成交金额大小（金额越高颜色越深），并在图中标注省份名称。四张热力图分别命名为"国企客户成交金额分布图""政府客户成交金额分布图""民企客户成交金额分布图""个人客户成交金额分布图"，每张图的配色方案使用同一色系（如蓝色渐变），颜色映射范围为该客户类型下各省金额的最小值到最大值。 | 数据分析2025.12.19.xlsx | 图表可视化 | 个人客户成交金额分布图.png
国企客户成交金额分布图.png
民企客户成交金额分布图.png
政府客户成交金额分布图.png | 个人客户成交金额分布图1：广东的个人客户成交金额最高
2：陕西的个人客户成交金额最低
3：所有省份的个人客户成交金额都是正相关
民企客户成交金额分布图1：四个图表中，民企客户成交金额分布图省份最多
2：山东民企客户成交金额最高，为918
3：所有省份比例为正相关
政府客户成交金额分布图1：所有省份比例为正相关
2：四个图表中，省份最少
3：新疆政府客户成交金额最高
国企客户成交金额分布图1：所有省份比例均为正相关
2：江苏国企客户成交金额最高
3：吉林国企客户成交金额最低 |
DV_75 | 读取文件"2025年成交_信息_-_副本.xlsx"，按省份字段对2025年的成交金额进行求和统计，得到各省成交总额。将结果按成交总额降序排列。生成一个气泡图命名“各省成交总额.png”，气泡图按中国地图排列（省级行政区划），使用颜色深浅表示各省成交总额：成交总额最高的省份使用最深的颜色，成交总额最低的省份使用最浅的颜色，颜色渐变方案采用单色系（如蓝色系从浅蓝到深蓝）。在各省区域内标注省份名称和数值，图例显示颜色与成交总额的对应关系（保留2位小数，单位为元或根据数量级自动调整为万元/亿元）。 | 2025年成交_信息_-_副本.xlsx | 图表可视化 | 各省成交总额.png | 1:新疆成交总额居首：新疆的成交总额达到 1300117 万元，是图中成交总额最高的省份（对应图例中最深的颜色）。
2:贵州成交总额垫底：贵州的成交总额仅为 100000 万元，是图中成交总额最低的省份（对应图例中最浅的颜色）。
3:区域成交差异显著：各省成交总额差距极大，呈现出明显的区域不均衡特征。
4.气泡图 |
DV_76 | 把上面表格美化，文字在单元格居中且加粗，单元格标蓝，且以蓝-浅蓝-蓝-浅蓝的规律。输出图片名：“美化后.png” | 2c82d54cf92ad14872831615fc7981fb.png | 图表可视化 | 美化后.png | 1.文字在单元格居中且加粗；
2.单元格标蓝，且以蓝-浅蓝-蓝-浅蓝的规律 |
DV_77 | 调查样本中的性别占比如何？以饼图形式给出，用白色数字标注在对应图块上，且男性对应的范围为蓝色，女性为红色，其他选项为绿色。命名为“性别占比.png”，图上顶部要居中有标题“性别占比” | 副本小组作业.docx | 图表可视化 | 性别占比.png | 1.男性受访者占41.67%，女性占37.5%，另有20.83%选择了"其他"或"都是"选项，整体呈现相对均衡的特征。
2.图中男性对应范围为蓝色，女性为红色，其他选项为绿色
3.图上顶部要居中有标题“性别占比”
4.用白色数字标注在对应图块上 |
DV_78 | 根据"大论文问卷数据_清洗后.xlsx"中的数据，按照"偏差"字段（或语义最接近的分类字段）将样本分为"高偏差"、"中等偏差"、"低偏差"三组，计算其对应的百分比，以饼图形式给出。数字需要以黑色字体标在图块上，图块颜色：高偏差-浅绿，中等偏差-浅蓝，低偏差-浅粉，标题为：专业选择偏差等级分布。生成的图命名为“专业选择偏差等级分布饼图.png” | 大论文问卷数据.xlsx | 图表可视化 | 专业选择偏差等级分布饼图.png | 数字需要以黑色字体标在图块上，图块颜色：高偏差-浅绿10.2%，中等偏差-浅蓝32.8%，低偏差-浅粉57.0%，标题为：专业选择偏差等级分布 |
DV_79 | 将同一天对应的leads和leads % of total数据求和，以柱状图的形式画图，横轴为日期，从左到右依次升序，纵轴为数值，图例对应leads和leads % of total，标题为“Daily Leads and Leads % of Total Sum”，输出文件命名为“daily_leads_summary.png” | Traffic_Daily_-_superset.xlsx | 图表可视化 | daily_leads_summary.png | 横轴为日期，从左到右依次从2025-11-01至2025-12-04升序，纵轴为数值，图例对应leads和leads % of total，标题为“Daily Leads and Leads % of Total Sum” |
DV_80 | 基于3个表单数据，统计已下单客户的地域分布，按地域维度汇总下单客户数量，生成柱状图展示。横轴为地域（国家或地区），纵轴为下单客户数量，按客户数量降序排列，展示Top 10地域。图表标题为"下单客户地域分布Top10"，纵轴标签为"下单客户数（个）"，横轴标签为"地域"，显示数据标签。 | 询盘跟进表_脱敏(111).xlsx
数据概览_数据概览报表10月份.xlsx
数据概览_数据概览报表11月份.xlsx | 图表可视化 | 省份.png
地级市.png | 1.浙江省客户占绝对主导地位
2.江苏省位列第二
3.其他地区客户分布较为均匀 |
DV_81 | 基于文件中24年和25年1-10月的销售数据（不含电商），计算每个月的销售额（或销售量，取文件中与"offtake"或"销售"语义最匹配的数值字段），按月份（1月至10月）分别统计24年和25年的月度销售总额。绘制一张折线图，横轴为月份（1-10月），纵轴为销售额，包含两条折线分别代表24年和25年，图例标注"2024年"和"2025年"，图表标题为"2024年vs2025年月度销售趋势对比（1-10月）"，纵轴标签为"销售额"，数值保留2位小数，按月份升序排列。 | 24年25年惠氏两个天济（不含电商）1-10月offtake_1-10月同比.xlsx | 图表可视化 | 销售趋势对比.png | 1. 2025 年销售额「绝大多数月份领先」，仅 10 月销售额低于 2024 年同期
2. 2-3月为销售高峰 - 2025年2月170.78万，3月185.26万
3. 10月销售表现最佳 - 2024年10月达170.30万，为年度最高 |
DV_82 | 请基于数据文件中与 CAT 相关的数据，绘制一个柱状图：横轴为数据中 CAT 相关暴露浓度的列，如“xxx xx mg/L“，轴标题命名为 “暴露浓度”；纵轴为数据中的 “CAT” 指标，轴标题为“CAT”；按纵轴数值降序排列。图表标题为 "CAT按暴露浓度分布"，显示数据标签，保留 2 位小数，不需要包括“± xx“ | 新建_XLSX_工作表.xlsx | 图表可视化 | 柱状图.png | 1. PtNP25 0.1 mg/L 组 CAT 均值最高（86.69 U/mg FW）
2. Control 0.0 mg/L 组 排名第二（80.87 U/mg FW）
3. PtNP70 1.0 mg/L 组 CAT 值最低（6.55 U/mg FW），组间差异显著 |
DV_83 | 请基于 online_courses.csv 数据，分别统计每个课程类别（category 字段）和每个平台（platform 字段）的课程数量。生成一个横向条形图（bar chart），横轴为课程数量，纵轴为类别名称或平台名称，按课程数量降序排列。图表必须包含横轴标签"课程数量"、纵轴标签"类别/平台"、图表标题"课程数量统计（按类别/平台）"，并显示每个条形上的数据标签；同时展示两个维度则生成两张独立的条形图。 | online_course.csv | 图表可视化 | 结果.png | 一、按类别统计
1.金融类课程最多（122 门）
2.中间梯队（设计、数据科学等）数量接近
3.技术类课程最少（88 门）
二、按平台统计
1.四大平台分布均衡
2.平台间最大差距仅 32 门 |
DV_84 | 短视频平台传播地方文旅信息的不足（单位：%）\r\n数据分布：\r\n过度商业化：30%\r\n内容同质化严重：20%\r\n信息真实性难以保障：30%\r\n其他：10%。
以上信息做一个条状图 | null | 图表可视化 | res.png | 1. 图表为垂直柱状图，共展示了4个问题类别。
2. “过度商业化”和“信息真实性难以保障”的占比并列最高，均为30%。
3. “其他”类别的占比最低，仅为10%。
4. “内容同质化严重”占比适中为20%。 |
DV_85 | 我是公司数据分析团队中的一员，现在有一份房地产数据集需要你的团队进行分析。该数据集包含545条房地产数据(已经清洗的数据)，信息内容含有房价、房屋面积、卧室数量、浴室数量、楼层数、是否位于主干道、是否有客房等属性。请将二元数据的字段(即数据内容为是或否的字段)中数据为'yes'的转化为数值1，数据为'no”的转化为数值0。并将转换后的数据集输出(需以excel格式提交)。
基于处理后的数据，请绘制热力图展示各字段之间的相关性，并给出分析结论。 | CAIP-6091.xlsx | 图表可视化 | Q37_vis.png | 1. 横纵轴均包含12个特征变量，如 price、area、bedrooms 等。
2. 除去对角线，房价（price）与房屋面积（area）的相关系数最高，为 0.54。
3. 楼层数（stories）与地下室（basement）之间呈现负相关，系数为 -0.17。 |
DV_86 | 计算每个部门的平均司龄，并生成柱状图，要求部门名称清晰可见，不标出每个部门的平均司龄数据。 | 人员信息模拟表-可视化.xlsx | 图表可视化 | Q50_vis.png | 1. 图表展示了A至H共8个部门的平均司龄对比。
2. 部门B的平均司龄最高，数值超过4。
3. 部门A的平均司龄最低，数值约为1.5。
4.不标出每个部门的平均司龄数据。 |
DV_87 | 计算每个部门的平均司龄，并生成柱状图，要求部门名称清晰可见，标出每个部门的平均司龄数据。 | 人员信息模拟表-可视化.xlsx | 图表可视化 | Q51_vis.png | 1. 平均司龄最高的部分是B，数值是4.38。
2. F部门的数值是2.38。 |
DV_88 | 将各部门竞赛数量做成柱状图 | 2024年大学生竞赛项目.xlsx | 图表可视化 | Q60_vis.png | 1. 现代商学院的竞赛数量最多，数值为43。
2. 图表中共有7个部门，数据按数值大小呈降序排列。
3. 教学服务中心和网络与信息服务中心的数值最小，均为2。 |
DV_89 | 根据表格中的sheet1数据做一副扇形统计图 | 数据.xlsx | 图表可视化 | Q94_vis.png | 1. 饼图包含两个扇区，其中“认为有影响”占比最高，数值为0.9455。
2. “认为没有影响”的占比较小，数值为0.0545。 |
DV_90 | 根据表中图龙信息信息有限公司的人口数和实有老年数据做出柱状图 | 2024年体检率春整理.xlsx | 图表可视化 | Q112_vis.png | null |
DV_91 | 帮我生成项目计划甘特图（默认每个流程持续 3 个月），同一个目标内容下的用同一个颜色，放在同一行。横轴是“时间”，从 2024-12 开始，每一个月都显示。纵轴是“项目模块”。titile为“无人机项目计划甘特图”。右上角增加 legend，说明每个颜色对应的项目模块。 | 工作簿.xlsx | 图表可视化 | old_chart_10.png | 1、必须四行，且每一行不同颜色
2、横轴必须是“时间”，从 2024-12 开始，每一个月都必须显示。纵轴必须是“项目模块”。titile必须为“无人机项目计划甘特图”。右上角必须有legend，说明每个颜色对应的项目模块
3、图片中每个方块中的文字必须正确 |
DV_92 | 基于"附件2.xlsx"中的农作物数据，计算亩产量、种植成本与销售单价三者之间的相关系数，生成一个相关性热力图。
具体要求：
横轴和纵轴均为参与分析的三个指标（亩产量、种植成本、销售单价）；
若销售单价数据为区间格式（如"2.50-4.00"），则取该区间的平均值代表该作物的单价进行计算；
图表标题为"农作物亩产量、成本与单价相关性热力图"；矩阵方格内显示相关系数数据标签；保留2位小数；颜色需清晰区分正负相关。 | 附件2.xlsx | 图表可视化 | Q130_vis.png | 1.亩产量 vs 种植成本 (0.79)：呈现强正相关，亩产量越高的农作物，其种植成本通常也越高。
2.亩产量 vs 销售单价 (-0.36)：呈现弱负相关，产量较高的作物，其单价倾向于较低。
3.种植成本 vs 销售单价 (-0.21)：呈现弱负相关，成本高的作物并不一定卖得贵。 |
DV_93 | 请帮我制作一张‘作物种植规模与生产效率’的散点分析图，具体要求如下：
数据处理：以‘种植面积(亩)’为横坐标（X轴），以‘亩产量/斤’为纵坐标（Y轴）。
数据标签：在图中每一个散点旁边，清晰地标出对应的作物名称。
象限划分：请分别穿过 X 轴和 Y 轴的平均值画两条参考线，将图表分为四个象限，以便直观区分哪些作物属于“高产大面积”或“低产小众”类型。
图表图例：图表标题是‘作物种植规模与生产效率散点分析图’。右上角用图例的方式，给出平均种植面积和平均亩产量。 | 种植面积与亩产量.xlsx | 图表可视化 | 作物种植规模与生成效率散点分析图.png | 1.大部分点位于左下角。
2. 高产大面积区域没有点。
3.最低产小众的作物是莜麦。
4. 绿豆和谷子挨得很近。
5. 空心菜落在左上象限。 |
DV_94 | 先统计排名前7的每个提现商家的打款总额，然后生成一个柱状图且按照金额由大到小展示 | 商家提现周结.xlsx | 图表可视化 | old_chart_13.png | 1. 所有商家按打款金额从高到低降序排列。
2. 打款金额排名第一的商家是“user_6”，金额为 29455.00。
3. 打款金额最低的商家是“user_19”，金额仅为 6936.00。 |
DV_95 | 根据 sheet3，帮我生成一幅饼图，标题为“类别占比饼图”。占比数值保留两位小数，以黑色字体显示在扇区上，类别名在对应扇区外部 | 2024年中考数学分析数据存档.xlsx | 图表可视化 | Q141_vis.png | 1. 共包含4个分类扇区。
2. “数学融入生活”占比最高，达到52.94%。
3. “数学与科技的交汇”排在第二位，占比为23.53%。
4. 占比最小的是“数学与人文艺术的融合”，仅占5.88%。 |
DV_96 | “2023年的农作物种植情况”的“作物名称”列，帮我生成一个饼图（只要前 4 加其他）。要清除非作物名称。 | 附件2.xlsx | 图表可视化 | Q144_vis.png | 1. 占比最大的是“其他”类别，达到了61.8%。
2. 具体作物中，“小麦”占比最高，为11.8%。
3. 玉米、谷子和大白菜的占比相同，均为8.8%。
4. 饼图一共被分成了5个扇区。 |
DV_97 | 帮我绘制作8月份门店2会员TC达成率趋势图并添加趋势线，标题为“2024年8月门店2会员TC达成率趋势图",纵轴标题为“TC达成率”，横轴标题为”日期“。不用给出统计数据 | 会员数据.xlsx | 图表可视化 | Q145_vis.png | 1. 图标为折线图，带有一个趋势线
2. TC达成率在整个8月波动明显，最低值出现在8月5日（约0.408），最高值出现在8月19日（约0.833）
3. 趋势线呈现轻微下上升趋势 |
DV_98 | 请以时间的顺序，把分钟级流速和商品价格以折线图的形式呈现出来，并且把分钟的节点数据呈现在图上 | 排品.xlsx | 图表可视化 | 排品折线图.png | 1. 图表展示了分钟级流速和商品价格随时间（1分钟至40分钟）的变化趋势。
2. 分钟级流速在23分钟时达到最高点，数值为1000。
3. 分钟级流速折线在24分钟至26分钟期间数值保持稳定，均为666。
4. 红色折线（商品价格）并非连续，仅在部分时间段有数据显示。 |
DV_99 | 帮我分析2024年7月和8月三个人的工作量对比，用组合图(堆叠柱形图+折线图)表示，用堆叠柱形图展示三个人的工作量。用折线图展示趋势。
注意，
1. 一共四个柱子，分别是2024年7月审校、2024年7月复核，2024年8月审校、2024年8月复核。两条折线。
2. 同一个员工在审核和复核中用相同的颜色。
3. 图例放到右上角。
4. 两个纵轴用同样的范围。
5. 堆叠柱形图标上数字。 | 工作量统计.xlsx | 图表可视化 | 工作量对比分析.png | 1. 一共四个柱子，分别是2024年7月审校、2024年7月复核，2024年8月审校、2024年8月复核。两条折线。
2. 同一个员工在审核和复核中用相同的颜色。
3. 图例放到右上角。
4. 两个纵轴用同样的范围。
5. 堆叠柱形图标上数字。
6. 趋势分析：
审校工作量: 7月 46 → 8月 41, 变化 -5 (-10.9%)
复核工作量: 7月 27 → 8月 28, 变化 +1 (+3.7%) |
DV_100 | 请以202401-202408为横坐标轴，以第三行的数据为纵坐标轴，生成分别显示求和项:销售金额、求和项:指标、求和项:去年同期三条折线的折线图 | 工作簿.xlsx | 图表可视化 | Q153_vis.png | 1. 图表展示了202401至202408期间“求和项：销售金额”、“求和项：指标”和“求和项：去年同期”三条折线的走势。
2. “求和项：销售金额”在202401达到最高点（超过900000），随后在202402大幅下降。
3. “求和项：指标”在202401起始值为0，总体呈上升趋势，并在202408达到最高值。 |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.