玩转 OCR|智能 Excel 数据分析助手

class OcrTableAccurate:
    def __init__(self, secret_id, secret_key):
        self.secret_id = secret_id
        self.secret_key = secret_key

    def recognize_table_accurate(self, image_path):
        # 读取图片文件
        with open(image_path, "rb") as img_file:
            img_data = img_file.read()

        # 将图片转换为Base64编码
        image_base64 = b64encode(img_data).decode()

        # 实例化一个认证对象，入参需要传入腾讯云账户 SecretId 和 SecretKey
        cred = credential.Credential(self.secret_id, self.secret_key)

        # 实例化一个http选项，可选的，没有特殊需求可以跳过
        httpProfile = HttpProfile()
        httpProfile.endpoint = "ocr.tencentcloudapi.com"

        # 实例化一个client选项，可选的，没有特殊需求可以跳过
        clientProfile = ClientProfile()
        clientProfile.httpProfile = httpProfile
        # 实例化要请求产品的client对象,clientProfile是可选的
        client = ocr_client.OcrClient(cred, "ap-guangzhou", clientProfile)

        # 实例化一个请求对象,每个接口都会对应一个request对象
        req = models.RecognizeTableAccurateOCRRequest()
        params = {
            "ImageBase64": image_base64
        }
        req.from_json_string(json.dumps(params))

        # 返回的resp是一个RecognizeTableAccurateOCRResponse的实例，与请求对象对应
        resp = client.RecognizeTableAccurateOCR(req)
        # 输出json格式的字符串回包
        return json.loads(resp.to_json_string())

table_data = result['TableDetections'][0]['Cells']  # 获取单元格数据

result = {
    'TableDetections': [  # 检测到的所有表格列表
        {
            'Cells': [     # 单个表格中的所有单元格
                {
                    # 单元格位置参数
                    'RowTl': 0,  # 行的起始位置（Top-Left，左上角），0行
                    'ColTl': 0,  # 列的起始位置（Top-Left，左上角），0列。
                    'RowBr': 1,  # 行的结束位置（Bottom-Right，右下角）。
                    'ColBr': 1,  # 列的结束位置（Bottom-Right，右下角）。
                    'Text': '单元格文本内容'  # 识别出的文本内容
                    'Type': 单元格的类型。
                    'Confidence': 置信度或识别准确度。
                    'Polygon': 定义单元格的多边形边界。此处定义表格中的4个点的位置。顺时针
                    
                },
                # ... 更多单元格
            ]
        }
    ]
}

 # 找出表格的最大行列数
                max_row = max(cell['RowBr'] for cell in table_data)
                max_col = max(cell['ColBr'] for cell in table_data)
                
                # 创建空的二维数组
                rows = [['' for _ in range(max_col)] for _ in range(max_row)]
                
                # 填充数据
                for cell in table_data:
                    row_start = cell['RowTl']
                    col_start = cell['ColTl']
                    text = cell['Text']
                    # 处理合并单元格
                    row_end = cell['RowBr']
                    col_end = cell['ColBr']
                    
                    # 填充所有涉及的单元格
                    for r in range(row_start, row_end):
                        for c in range(col_start, col_end):
                            rows[r][c] = text

  def chat_completions(self, input_text, template_name=None):
        """
        发送聊天请求
        :param input_text: 输入文本或SQL查询结果
        :param template_name: 模板名称
        :return: API响应或错误信息
        """
        try:
            # 实例化认证对象
            cred = credential.Credential(self.secret_id, self.secret_key)
            httpProfile = HttpProfile()
            httpProfile.endpoint = "hunyuan.tencentcloudapi.com"
            clientProfile = ClientProfile()
            clientProfile.httpProfile = httpProfile
            
            # 实例化客户端
            client = hunyuan_client.HunyuanClient(cred, "ap-guangzhou", clientProfile)
            req = models.ChatCompletionsRequest()
            
            # 构建系统提示词
            system_prompt = self.get_prompt_template(template_name)
            
            # 构建请求参数
            params = {
                "Messages": [
                    {
                        "Role": "system",
                        "Content": system_prompt
                    },
                    {
                        "Role": "user",
                        "Content": input_text
                    }
                ],
                "Model": "hunyuan-turbo-20241120"
            }
            
            req.from_json_string(json.dumps(params))
            resp = client.ChatCompletions(req)

def _build_data_context(self, message):
        """构建数据上下文"""
        basic_stats = {
            'total_rows': self.current_df.shape[0],
            'total_cols': self.current_df.shape[1],
            'null_count': self.current_df.isnull().sum().sum(),
            'numeric_cols': self.current_df.select_dtypes(include=['int64', 'float64']).columns.tolist(),
            'categorical_cols': self.current_df.select_dtypes(include=['object']).columns.tolist()
        }
        
        # 使用模型判断问题类型
        question_analysis_prompt = f"""
        请分析以下问题的类型，判断是否需要深度分析。
        
        问题：{message}
        
        请只回答"简单"或"深入"。
        - 简单：如计算平均值、求和、查找最大最小值等基础操作。
        - 深入：如分析趋势、寻找关系、提供建议、评估情况等需要综合分析的问题
        """
        
        # 调用模型判断
        analysis_type = self.analyzer.chat.chat_completions(question_analysis_prompt)
        needs_deep_analysis = "深入" in self._format_response(analysis_type)
        
        # 基础数据信息
        data_context = f"""
        数据基本信息：
        - 数据规模：{basic_stats['total_rows']}行 × {basic_stats['total_cols']}列
        - 缺失值：{basic_stats['null_count']}
        - 数值列：{', '.join(basic_stats['numeric_cols'])}
        - 分类列：{', '.join(basic_stats['categorical_cols'])}
        
        数据内容：
        {self.current_df.to_string()}
        """
        
        # 根据模型判断结果添加分析要求
        if needs_deep_analysis:
            data_context += """
            分析要求：
            1. 数据洞察
            - 识别关键特征和模式
            - 发现数据中的趋势
            - 分析异常和特殊情况
            2. 统计分析
            - 提供相关统计指标
            - 解释数据分布特征
            - 分析相关性（如适用） 
            3. 业务建议
            - 提供数据驱动的见解
            - 给出可行的改进建议
            - 指出潜在的机会
            4. 可视化建议
            - 推荐合适的图表类型
            - 建议关注的关键维度
            5. 改进建议
            - 指出数据质量问题
            - 建议额外需要的数据
            - 提供优化分析的方向
            """            
        else:
            data_context += """
            回答要求：
            - 直接回答问题
            - 确保计算准确
            - 使用简洁的语言
            """
        
        data_context += f"\\n用户问题：{message}"
        
        return data_context