数据分析与可视化

本文介绍如何使用 OpenClaw 进行数据分析和可视化。

数据收集

数据源配置

{
  "data_sources": {
    "api": {
      "type": "rest",
      "url": "https://api.example.com/data",
      "auth": "api_key"
    },
    "database": {
      "type": "postgresql",
      "connection": "postgresql://user:pass@localhost/db"
    },
    "file": {
      "type": "csv",
      "path": "/data/*.csv"
    }
  }
}

数据抓取

async def collect_data(source, query):
    if source.type == "api":
        return await fetch_from_api(query)
    elif source.type == "database":
        return await query_database(query)
    elif source.type == "file":
        return await read_file(query)

数据处理

数据清洗

def clean_data(data):
    # 去除空值
    data = data.dropna()
    
    # 去除重复
    data = data.drop_duplicates()
    
    # 数据类型转换
    data['date'] = pd.to_datetime(data['date'])
    
    return data

数据转换

def transform_data(data):
    # 聚合
    aggregated = data.groupby('category').agg({
        'value': 'sum',
        'count': 'mean'
    })
    
    # 透视表
    pivot = data.pivot_table(
        index='date',
        columns='category',
        values='value'
    )
    
    return aggregated, pivot

数据可视化

图表类型

Canvas 展示

def create_chart(data, chart_type):
    return {
        "type": "chart",
        "chartType": chart_type,
        "data": data,
        "options": {
            "responsive": True,
            "plugins": {
                "legend": {"position": "top"}
            }
        }
    }

自动化报告

报告生成

async def generate_report(data):
    # 数据分析
    analysis = analyze_data(data)
    
    # 生成图表
    charts = [create_chart(d, 'line') for d in analysis]
    
    # 生成报告
    report = {
        "title": "数据分析报告",
        "date": datetime.now(),
        "summary": analysis.summary,
        "charts": charts
    }
    
    return report

下一步

• Canvas 开发
• 自动化工作流
• 技能开发