Dify+DeepSeek | Excel数据一键可视化（创建步骤案例）（echart助手.yml）（文档表格转图表、根据表格绘制图表、Excel绘制图表）
Dify部署参考：Dify Rag部署并集成在线Deepseek教程（Windows、部署Rag、安装Ragan安装、安装Dify安装、安装ollama安装）
Dify+DeepSeek - Excel数据一键可视化（创建步骤案例）-DSL工程文件（可直接导入）
Dify+DeepSeek - Excel数据一键可视化（创建步骤案例）-Markdown示例文件
功能：输入文档或表格————>绘制图表
文章目录
- 创建步骤
- 点击创建Chatflow
- 删除已有节点
- 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
- 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`）
- 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
- 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
- 代码解释
- 1. **流程架构**：
- 2. **核心算法**：
- 3. **ECharts配置生成**：
- 4. **异常处理边界**：
- 5. **运维增强特性**：
- 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）
- ~~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`
- 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
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 jsondef main(csv_data):# 解析CSVreader = csv.DictReader(csv_data.strip().splitlines())rows = list(reader)# 自动识别列结构headers = reader.fieldnamesif 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
