做可视化教程最头疼的是找数据：公开数据集要么格式不合适，要么跟分析思路对不上。这篇用一个虚构的新茶饮品牌”茶研社”案例，展示 Codex 可视化全流程——从生成虚拟数据到 2D/3D 图表和仪表盘，每一步附提示词和执行逻辑，拿来就能用。

案例背景：茶研社 2024 年运营分析

全国 10 个城市、155 家门店，数据维度：

  • 门店运营：月度营业额、客流量、客单价（1860 条）
  • 产品销售：6 大品类月度销量与销售额（72 条）
  • 渠道数据：5 个渠道月度表现（60 条）
  • 用户画像：5000 名用户的年龄、性别、消费频次与客单价

数据量不大但维度丰富，覆盖大部分日常可视化场景。

Step 1：用 Codex 生成虚拟数据

提示词的价值在”约束条件”：

生成一个新茶饮品牌的 2024 年运营虚拟数据集，4 个 CSV：
1. 门店月度运营：10 城市，每城 8-24 家门店，12 个月，
   字段：月份、城市、门店ID、营业额、客流量、客单价。
   一线城市场均营收 45 万，二线 32 万，三线 25 万。
   6-8 月为旺季（系数 1.1-1.2），2 月淡季（系数 0.7）。
2. 产品月度销售：6 大品类（经典奶茶 30%、水果茶 25%、
   芝士茶 18%、纯茶 10%、特调 12%、轻食 5%），总月营收约 1800 万。
3. 渠道月度销售：堂食 35%、小程序 25%、美团 20%、
   饿了么 12%、抖音 8%。
4. 用户画像：5000 条，年龄段（18-24 占 28%、25-30 占 35%…），
   女性 65%，月消费频次服从泊松分布。
5. 用 pandas 和 numpy，random_seed=42 保证可复现，UTF-8 CSV。

执行逻辑：解析维度层级 → 建参数映射 → 叠加 15%-30% 随机扰动 → 注入季节因子 → 校验一致性（营业额≈客流量×客单价、占比之和=1）。

关键点：你告诉 Codex”一线城市场均 45 万”，它生成的数据就围绕这个基准波动；你不说，它可能生成一线比三线还低的数据。提示词越具体，产出越可控。

Step 2：数据探索

对生成的 4 个 CSV 做探索性分析：
1. 各文件的形状、缺失值、异常值
2. 城市×月份营业额热力图
3. 各品类销售额占比饼图
4. 各渠道月度趋势折线图

Step 3：基础图表

绘制基础图表（2×2 布局）：
1. 十大门店营业额横向条形图（Top10）
2. 月度营业额折线图，突出旺季区间
3. 不同城市等级客单价箱线图
4. 用户年龄段分布直方图

Step 4：高级图表

绘制高级图表：
1. 城市×品类 双变量气泡图（客流量 vs 营业额 vs 客单价）
2. 渠道份额随时间变化堆叠面积图
3. 用户消费频次分布 拟合泊松分布曲线

Step 5：3D 可视化

用 mplot3d 绘制 3D 图：
1. 3D 散点：城市等级、客单价、消费频次三个维度
2. 3D 曲面：月份×城市营收曲面

Step 6：数据仪表盘

把上述图表组合成一个仪表盘：
1. 顶部 KPI 卡：总营收、总客流、平均客单价
2. 中部：月度趋势折线 + 城市 Top10 条形
3. 底部：品类占比饼图 + 渠道堆叠面积
4. 统一配色，中文字体，导出为 HTML/PNG

经验要点

  • 数据可生成 = 教程可复现：虚拟数据让任何案例都能跟着做
  • 约束写进提示词：基准值、占比、分布、seed，一条都不能省
  • 图表要服务问题：先想”看什么关系、给谁看”，再选图表类型

小结

  • 六步：生成数据 → 探索 → 基础图 → 高级图 → 3D → 仪表盘
  • Codex 负责执行，你负责把”业务问题”翻译成”图表需求”
  • 先数据后图表，先约束后细节

下一篇：保姆级 Codex 数据分析技能教程，理解 14 个 Skill 的架构。