Coze工作流实战：一键上传excel生成数据图表
大家好，我是你们的技术老友。今天我们来聊一个非常接地气又实用的Coze工作流——一键上传Excel，自动生成数据图表。你是不是经常遇到这样的场景：老板甩给你一个Excel文件，让你“快速看一下数据趋势”，或者“做个可视化汇报”。传统做法是打开Excel，选中数据，插入图表，再调整样式……运气好5分钟，运气不好格式调半天。现在，我们用Coze（扣子）平台，把整个流程封装成一个工作流：你只需要上传一个Excel文件，AI自动读取数据、分析字段、生成图表，甚至还能配上文字解读。整个过程就像点外卖一样简单。### 为什么选择Coze做这件事？Coze是字节跳动推出的AI智能体开发平台，它最大的优势是工作流（Workflow）编排能力。你可以把“读取文件→处理数据→调用绘图代码→生成报告”这些步骤像搭积木一样串联起来，每一步都可以用插件或代码块自定义。更重要的是，Coze支持代码节点，这意味着你可以直接写Python代码来处理数据、画图表，灵活性极高。而且Coze工作流可以发布成API，或者嵌入到飞书、微信等应用里，真正做到“一次构建，处处使用”。### 工作流整体设计我们先来看看这个工作流的逻辑结构：1. 用户上传Excel文件（触发器）2. 读取Excel数据（使用pandas）3. 自动识别数值列和分类列（代码自动判断）4. 生成图表（matplotlib或plotly）5. 输出图表图片和文字总结（返回给用户）下面，我们重点拆解两个核心代码节点。### 节点一：读取并解析Excel数据这个节点负责接收上传的文件，用pandas读取，并自动识别哪些列是数值列，哪些是分类列。这样后面画图时才能自动选择合适的图表类型。pythonimport pandas as pdimport iodef process_excel(file_bytes): """ 从上传的Excel文件字节流中读取数据 :param file_bytes: 上传文件的二进制内容 (bytes) :return: 数据概览信息 """ # 使用io.BytesIO将字节转为文件对象 df = pd.read_excel(io.BytesIO(file_bytes)) # 获取列名和数据类型 col_info = [] for col in df.columns: # 判断是否为数值列（int或float） if pd.api.types.is_numeric_dtype(df[col]): col_type = "数值" else: col_type = "分类" col_info.append(f"{col} ({col_type})") # 返回前几行数据预览和列信息 preview = df.head(3).to_string() result = { "列信息": "; ".join(col_info), "数据预览": preview, "总行数": len(df) } return result注意：在Coze的代码节点里，输入输出通过args和result传递。上面这段代码是核心逻辑，实际部署时你需要把file_bytes替换为Coze节点接收到的参数。### 节点二：生成图表并返回图片接下来是最关键的绘图节点。我们会根据上一步识别出的数值列和分类列，自动选择绘制柱状图、折线图或饼图。这里用matplotlib生成图片，然后保存为base64编码返回给Coze。pythonimport matplotlib.pyplot as pltimport pandas as pdimport ioimport base64def generate_chart(df, x_col, y_col, chart_type='auto'): """ 根据数据自动生成图表 :param df: pandas DataFrame :param x_col: 分类列名（横轴） :param y_col: 数值列名（纵轴） :param chart_type: 图表类型（auto/bar/line/pie） :return: base64编码的图片 """ plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文显示问题 plt.rcParams['axes.unicode_minus'] = False # 如果数据量小且分类列是文本，默认用柱状图 if chart_type == 'auto': if len(df) < 8: chart_type = 'bar' else: chart_type = 'line' fig, ax = plt.subplots(figsize=(10, 6)) if chart_type == 'bar': ax.bar(df[x_col], df[y_col], color='skyblue') ax.set_xlabel(x_col) ax.set_ylabel(y_col) ax.set_title(f'{y_col} 随 {x_col} 的变化') plt.xticks(rotation=45) elif chart_type == 'line': ax.plot(df[x_col], df[y_col], marker='o', linestyle='-', color='coral') ax.set_xlabel(x_col) ax.set_ylabel(y_col) ax.set_title(f'{y_col} 趋势图') elif chart_type == 'pie': ax.pie(df[y_col], labels=df[x_col], autopct='%1.1f%%') ax.set_title(f'{y_col} 占比分布') plt.tight_layout() # 将图片保存到内存中，并转为base64 buf = io.BytesIO() plt.savefig(buf, format='png') buf.seek(0) img_base64 = base64.b64encode(buf.read()).decode('utf-8') plt.close(fig) return img_base64这个代码节点里，我处理了三个细节：- 中文字体：不设置会乱码。- 图表类型自适应：数据少于8行用柱状图，多于8行用折线图，更直观。- base64编码：Coze工作流返回图片时，通常用base64字符串传递，前端再解码展示。### 在Coze中串联工作流光有代码还不够，我们要在Coze的“工作流”编辑器中这样编排：1. 开始节点：设置一个文件上传的输入参数（类型为文件）。2. 代码节点1：调用process_excel，把文件字节流转成DataFrame，并输出列信息。3. 代码节点2：接收上一步的DataFrame（在Coze中可以通过“变量”传递），然后调用generate_chart，输出base64图片。4. 结束节点：把图片和文字总结一起返回给用户。在Coze的代码节点中，你可以直接用from coze_utils import get_input, output之类的辅助函数（具体看平台版本）。但核心逻辑就是我们上面写的Python代码。### 实战效果演示假设你上传了一份“2024年各月销售额.xlsx”，包含两列：月份（文本）和销售额（数值）。工作流会自动：- 识别出月份是分类列，销售额是数值列。- 因为只有12行数据，自动选择柱状图。- 生成一张带中文标题的柱状图，并返回“销售额最高的月份是X月”等文字总结（这部分可以再接一个LLM节点）。如果你上传的是100天的销售数据，它会自动改成折线图，展示趋势。### 进阶玩法1. 接入LLM总结：在图表生成后，接一个“大模型”节点，让AI根据图表数据写一段业务解读，比如“Q2销售额环比增长20%，主要受促销活动驱动”。2. 多表合并：代码节点里可以支持上传多个Excel，用pandas的concat合并后再分析。3. 导出报告：把图表和解读打包成PDF或HTML报告，直接发送到飞书或钉钉。### 常见坑与避坑指南- 编码问题：Excel文件如果是xlsx格式，必须用openpyxl或pandas的引擎支持；如果是xls，需要xlrd。建议统一让用户上传xlsx。- 内存限制：Coze代码节点有执行时间限制（通常几秒），如果Excel特别大（几万行），建议在代码里做抽样或聚合。- 图表样式：默认matplotlib样式比较朴素，可以导入seaborn美化，但注意不要超时。### 总结通过Coze工作流，我们把“上传Excel→生成图表”这个繁琐过程压缩到了一键完成。核心就在于利用代码节点灵活处理数据，再结合Coze的编排能力，实现自动化和智能化。这个工作流不仅适合个人使用，完全可以部署成团队工具——你只需要把工作流发布成API，前端做个简单的上传页面，后端调Coze接口拿图片结果。整个过程不需要搭建服务器，纯云端运行。动手试试吧：打开Coze平台，创建一个新工作流，把上面的代码粘贴进去，上传一个Excel文件，看看你的第一张自动生成图表长什么样。如果遇到问题，欢迎在评论区留言，我们下期见！
转载自 CSDN-专业IT技术社区
原文链接：https://blog.csdn.net/OxMzzb1yG/article/details/163370086
