AI数据面板搭建指南:7步做出会分析的个人驾驶舱

ai-data-dashboard

ai-data-dashboard ├─ app.py └─ data.csv

date,category,type,amount,remark 2026-06-01,工资,收入,12000,月薪 2026-06-02,餐饮,支出,86,午餐 2026-06-03,交通,支出,35,地铁和打车 2026-06-04,副业,收入,1800,咨询服务 2026-06-05,购物,支出,560,电子产品 2026-06-06,学习,支出,299,线上课程 2026-06-07,餐饮,支出,128,朋友聚餐 2026-06-08,副业,收入,2300,数据整理项目 2026-06-09,健康,支出,199,健身月卡 2026-06-10,工具,支出,68,软件订阅

pip install streamlit pandas plotly

import pandas as pd import plotly.express as px import streamlit as st  st.set_page_config(page_title="个人 AI 数据驾驶舱", layout="wide")  st.title("个人 AI 数据驾驶舱") st.caption("用一个 CSV 跑通指标、图表、筛选和 AI 分析提示词。")  df = pd.read_csv("data.csv") df["date"] = pd.to_datetime(df["date"])  st.sidebar.header("筛选条件")  type_options = df["type"].unique().tolist() selected_types = st.sidebar.multiselect(     "选择类型",     options=type_options,     default=type_options, )  category_options = df["category"].unique().tolist() selected_categories = st.sidebar.multiselect(     "选择分类",     options=category_options,     default=category_options, )  filtered = df[     df["type"].isin(selected_types)     & df["category"].isin(selected_categories) ].copy()  income = filtered.loc[filtered["type"] == "收入", "amount"].sum() expense = filtered.loc[filtered["type"] == "支出", "amount"].sum() balance = income - expense record_count = len(filtered)  col1, col2, col3, col4 = st.columns(4) col1.metric("总收入", f"¥{income:,.0f}") col2.metric("总支出", f"¥{expense:,.0f}") col3.metric("净收入", f"¥{balance:,.0f}") col4.metric("记录数", record_count)  st.divider()  daily = (     filtered.groupby(["date", "type"], as_index=False)["amount"]     .sum()     .sort_values("date") ) fig_trend = px.line(     daily,     x="date",     y="amount",     color="type",     markers=True,     title="每日金额趋势", ) st.plotly_chart(fig_trend, use_container_width=True)  category_sum = (     filtered.groupby("category", as_index=False)["amount"]     .sum()     .sort_values("amount", ascending=False) ) fig_bar = px.bar(     category_sum,     x="category",     y="amount",     text_auto=True,     title="分类金额统计", ) st.plotly_chart(fig_bar, use_container_width=True)  st.subheader("数据明细") st.dataframe(filtered, use_container_width=True)

streamlit run app.py

st.subheader("AI 分析提示词")  summary_prompt = f""" 你是我的个人数据分析助手。请基于以下数据统计结果，给出简洁、具体、可执行的分析。  基础指标： - 总收入：{income} - 总支出：{expense} - 净收入：{balance} - 记录数量：{record_count}  分类统计： {category_sum.to_string(index=False)}  请按下面格式输出： 1. 三句话总结当前数据状态 2. 找出最值得关注的一个异常或变化 3. 给出下周最应该做的 3 个动作 4. 标出还需要补充哪些数据，才能让判断更准确  要求： - 不要泛泛而谈 - 每个建议都要对应一个数据现象 - 如果数据不足，请明确说明不确定性 """  st.code(summary_prompt, language="text") st.info("复制上方提示词到 AI 工具里，就能得到结构化分析建议。")

import os from openai import OpenAI  client = OpenAI(api_key=os.environ.get("OPENAI_API_KEY"))  def get_ai_summary(prompt: str) -> str:     response = client.responses.create(         model="gpt-4.1-mini",         input=prompt,     )     return response.output_text  if st.button("生成 AI 分析"):     with st.spinner("AI 正在分析数据..."):         ai_summary = get_ai_summary(summary_prompt)         st.markdown(ai_summary)