IT之家 2 月 17 日消息，科技媒體 marktechpost 昨日（2 月 14 日）發(fā)布博文，報道稱微軟 Microsoft Research 團隊提出 Data Formulator，通過概念驅動的方法有效地解決了數據轉換的持續(xù)挑戰(zhàn)。

現有挑戰(zhàn)

IT之家注：Charticulator、Data Illustrator、Lyra 等現代可視化工具，以及 ggplot2、VegaLite 等庫，通常需要“整潔數據”作為輸入，意味著每個可視化變量都是一列，每個觀察值都是一行。

如果不是這種格式，用戶就需要進行數據轉換，即使原始數據完整無缺。這需要編程專業(yè)知識以及 tidyverse、pandas 或 Wrangler 等專業(yè)工具，導致工作流程低效，不斷切換數據轉換和可視化步驟。

Data Formulator

Data Formulator 引入“概念綁定”范式，用戶將數據“概念”綁定到可視化通道。概念可以來自現有列，也可以按需創(chuàng)建。

創(chuàng)建新概念有兩種方法：自然語言提示（用于數據推導）和基于示例的輸入（用于數據重塑）。用戶選擇圖表類型并映射所需概念后，Data Formulator 的 AI 后端會推斷必要的數據轉換并生成候選可視化結果。

系統(tǒng)為多個候選結果提供解釋性反饋，用戶可以通過直觀的界面檢查、優(yōu)化和迭代可視化結果。結合自然語言和編程示例，用戶可以使用熟悉的配置工具，同時訪問強大的轉換功能。

測試結果

用戶測試結果表明 Data Formulator 在任務完成度和可用性方面表現出色。參與者平均在 20 分鐘內完成所有分配可視化任務，其中任務 6 由于涉及 7 天移動平均值計算而耗時最長。

展望未來，這種概念驅動的可視化方法有望影響下一代可視化數據探索和創(chuàng)作工具，有可能消除可視化創(chuàng)建中長期存在的數據轉換障礙。

參考

• Data Formulator 2: Iteratively Creating Rich Visualizations with AI
• GitHub