L'API Analisi conversazionale può generare visualizzazioni interattive basate sulle domande degli utenti. L'API restituisce i grafici come configurazioni JSON Vega-Lite o immagini SVG (per le origini dati di Looker e solo nelle versioni dell'API v1alpha e v1beta). Puoi anche indicare a un agente di generare grafici con requisiti specifici. Le visualizzazioni vengono create utilizzando i risultati dei dati ottenuti in risposta alla domanda dell'utente.
v1alpha
Visualizzazioni supportate
L'API utilizza Vega-Lite per creare visualizzazioni e supporta tutte le funzionalità standard di Vega-Lite. Sono supportati i seguenti tipi di grafici:
- Area
- A barre
- Geoshape
- Mappa termica
- A linee (serie temporale)
- A torta
- A dispersione
Come vengono generati i grafici
L'agente identifica il risultato dei dati pertinente e lo passa a un subagente. Questo subagente esegue il codice Python per generare una configurazione JSON Vega-Lite per il grafico. L'API utilizza il contesto della conversazione per comprendere meglio l'intenzione dell'utente durante la generazione dei grafici. Sfruttando Python, l'API può creare grafici più complessi.
L'agente potrebbe eseguire trasformazioni minori dei dati, come aggregazioni o applicazione di filtri, per rendere il grafico più pertinente e leggibile.
Formati di output
Il grafico viene restituito in un messaggio di risultato chart e può essere fornito nei seguenti formati:
- JSON Vega-Lite
- Immagine SVG
Puoi richiedere le immagini utilizzando il ChartOptions campo nel contesto. Quando viene richiesta un'immagine, l'API fornisce sia l'immagine sia l'output JSON Vega-Lite.
Eseguire il rendering di una risposta dell'agente come visualizzazione
Questa sezione mostra come utilizzare l'SDK Python per eseguire il rendering di una visualizzazione dalle specifiche del grafico fornite in una risposta dell'API Analisi conversazionale. Il codice campione estrae la specifica del grafico (in formato Vega-Lite) dal campo chart della risposta e utilizza la libreria Altair (basata su Vega-Lite) per eseguire il rendering del grafico, salvarlo come immagine e visualizzarlo.
Per ulteriori dettagli sul rendering dei grafici con Vega-Lite e l'ecosistema Vega-Lite, consulta Strumenti per la creazione di visualizzazioni Vega-Lite.
Esempio: eseguire il rendering di un grafico dall'output Vega-Lite
Questo esempio mostra come eseguire il rendering di un grafico a barre da una risposta dell'agente dell'API Analisi conversazionale. L'esempio invia una richiesta con il seguente prompt:
"Create a bar graph that shows the top five states by the total number of airports."
Il codice campione definisce le seguenti funzioni helper:
render_chart_response: estrae la configurazione Vega-Lite dal messaggiochart, la converte in un formato utilizzabile dalla libreria Altair, esegue il rendering del grafico, lo salva inchart.pnge lo visualizza.chat: invia una richiesta all'API Analisi conversazionale utilizzando la variabileinline_contexte l'elencomessagescorrente, elabora la risposta di streaming e, se viene restituito un grafico, chiamarender_chart_responseper visualizzarlo.
Per utilizzare il seguente codice campione, sostituisci quanto segue:
- sqlgen-testing: l'ID del progetto di fatturazione in cui sono abilitate le API richieste.
- Create a bar graph that shows the top five states by the total number of airports: il prompt che vuoi inviare all'API Analisi conversazionale.
from google.cloud import geminidataanalytics
from google.protobuf.json_format import MessageToDict
import altair as alt
import proto
# Helper function for rendering chart response
def render_chart_response(resp):
def _convert(v):
if isinstance(v, proto.marshal.collections.maps.MapComposite):
return {k: _convert(val) for k, val in v.items()}
elif isinstance(v, proto.marshal.collections.RepeatedComposite):
return [_convert(el) for el in v]
elif isinstance(v, (int, float, str, bool, type(None))):
return v
else:
return MessageToDict(v)
try:
vega_config = _convert(resp.result.vega_config)
chart = alt.Chart.from_dict(vega_config)
chart.save('chart.png')
chart.display()
print("Chart rendered and saved as chart.png")
except Exception as e:
print(f"Error rendering chart: {e}")
# Helper function for calling the API
def chat(q: str, inline_context, messages):
billing_project = "sqlgen-testing"
input_message = geminidataanalytics.Message(
user_message=geminidataanalytics.UserMessage(text=q)
)
messages.append(input_message)
client = geminidataanalytics.DataChatServiceClient()
request = geminidataanalytics.ChatRequest(
inline_context=inline_context,
parent=f"projects/{billing_project}/locations/global",
messages=messages,
)
# Make the request
try:
stream = client.chat(request=request)
for reply in stream:
if reply.system_message and hasattr(reply.system_message, 'chart'):
# ChartMessage includes `query` for generating a chart and `result` with the generated chart.
if hasattr(reply.system_message.chart, 'result'):
print("Chart result found in response.")
render_chart_response(reply.system_message.chart)
else:
print("Chart message found, but no result yet.")
# Append system messages to maintain context for follow-up turns
if reply.system_message:
messages.append(geminidataanalytics.Message(system_message=reply.system_message))
except Exception as e:
print(f"Error calling API: {e}")
# Example Usage:
# Assuming 'inline_context' and 'messages' are initialized as per "Build a data agent using the Python SDK"
# Example initialization (replace with your actual context and message history):
# inline_context = geminidataanalytics.InlineContext(...)
# messages = []
# Send the prompt to make a bar graph
chat("Create a bar graph that shows the top five states by the total number of airports")