Dify+DeepSeek | Excel数据一键可视化（创建步骤案例）

Dify+DeepSeek | Excel数据一键可视化（创建步骤案例）

引用

CSDN

1.

https://blog.csdn.net/Dontla/article/details/146008305

本文将详细介绍如何使用Dify和DeepSeek工具实现Excel数据的一键可视化功能。通过创建Chatflow工作流，用户可以将Excel数据转换为CSV格式，并自动生成ECharts图表配置，最终实现数据的可视化展示。

创建步骤

点击创建Chatflow

echart助手

删除已有节点

选中按Del：

创建上传文件节点

点击“开始”，创建输入字段text（文件路径或url）

创建文档提取器

添加text字段输入：

为文档提取器输出创建Excel转csv节点

新建节点

模型我选择deepseek-reasoner

按照以下格式填入prompt（输入数据选择文档提取器/(x)text）

#角色
你是一个数据整理专家，删除数据格式的整理和格式的转换。
#数据
囚 文档提取器/(x)text
#任务
将数据转换成csv格式

修改节点名称为Excel转csv

为Excel转csv节点创建参数提取器节点

新建节点

设置指令

#任务
-提取csv格式的字符串

设置模型

设置输入变量

添加提取参数csv_data

为参数提取器节点创建代码执行节点

新建节点

代码填入

import csv
import json

def main(csv_data):
    # 解析CSV
    reader = csv.DictReader(csv_data.strip().splitlines())
    rows = list(reader)
    
    # 自动识别列结构
    headers = reader.fieldnames
    if not headers or len(headers) < 2:
        return {'output': 'Error: 需要至少两列数据（1个分类列+1个数值列）'}
    
    # 默认第一列为分类轴，其余为数值列
    category_col = headers[0]
    value_columns = headers[1:]
    
    # 提取数据
    categories = [row[category_col] for row in rows]
    series_data = [
        {
            "name": col,
            "type": "bar",
            "data": [float(row[col]) for row in rows]  # 处理浮点数
        } for col in value_columns
    ]
    
    # 构建ECharts配置
    echarts_config = {
        "xAxis": {"type": "category", "data": categories},
        "yAxis": {"type": "value"},
        "series": series_data
    }
    
    # 返回结果
    return {'output': f'```echarts\n{json.dumps(echarts_config, ensure_ascii=False)}\n```'}

代码解释

以下是对该代码的详细技术解析：

1. 流程架构：

• 输入：接收CSV格式的原始字符串数据
• 处理：通过三层转换 pipeline：

  CSV文本 → Python字典结构 → ECharts JSON配置 → Markdown代码块封装
  

• 输出：符合Markdown扩展语法规范的ECharts图表代码块

2. 核心算法：

• 列智能识别算法：采用启发式规则

  if len(headers) >=2:
      第一列 = 分类轴
      后续列 = 数值系列
  else:
      触发错误处理
  

• 类型强制转换：
  float(row[col])
  实现字符串到数值的类型安全转换

3. ECharts配置生成：

• 生成符合Apache ECharts v5+规范的配置结构
• 动态构建坐标系：
• X轴：自动映射分类维度
• Y轴：自动推断为数值轴
• 系列数据采用bar（柱状图）可视化编码

4. 异常处理边界：

• 列数校验：强制要求至少包含2列数据
• 浮点转换：假设所有数值列均可转换为float类型（需注意潜在TypeError风险）

5. 运维增强特性：

• 输入数据规范化：通过strip().splitlines()处理不同平台的换行符差异
• Unicode安全：ensure_ascii=False确保中文等字符正确显示
• 结构化错误消息：返回标准字典格式，方便日志采集和监控

该代码特别适用于运维监控场景下的自动化报表生成，可将Zabbix、Prometheus等监控系统导出的CSV指标数据快速转换为可交互的可视化图表。

为执行代码节点添加直接回复节点

创建节点

输入直接回复内容（注意我修改了部分变量名，可能跟前面不兼容）

filePath:
{{#1741057279322.filePath#}}
</br>
文档提取器text:
{{#1741058246976.text#}}
</br>
Excel转csv, csv text:
{{#1741058730753.text#}}
</br>
参数提取器csv_data:
{{#1741065751183.csv_data#}}
</br>
代码执行output:
{{#1741082638678.output#}}

节点测试（无效）

测试文档提取器（Excel转csv失败了，改成Markdown转csv）

运行

我的dify见鬼了，提取excel都是空的

只能修改方案了，将后面的Excel转csv改成Markdown转csv

不过提示词貌似都不用改。

测试提取markdown（没有问题）

测试运行

点击预览，然后上传文件

在聊天框随便输入内容然后发送

然后工作流就会逐个运行，最后输出结果

点开右边工作流节点，能看到各个节点输入输出，方便调试