从 JSON 到图表：last30days-skill 30 天舆情数据可视化完整指南-开发者社区

从 JSON 到图表：last30days-skill 30 天舆情数据可视化完整指南

【免费下载链接】last30days-skillAI agent skill that researches any topic across Reddit, X, YouTube, HN, Polymarket, and the web - then synthesizes a grounded summary项目地址: https://gitcode.com/GitHub_Trending/la/last30days-skill

你刚用 last30days-skill 跑完一次研究，拿回一份塞满数字的 results.json：标题、平台、互动量。直接盯着数字看，很难判断哪条内容火、哪个平台讨论最活跃。这篇文章带你走完 last30days-skill 数据可视化的完整路径：装好环境、用一条命令取数、再用十几行 Python 画出第一张图，读完就能得到一张可以直接放进汇报的图。

先看效果：结果先行

这是把统计指标组织成图表后的样子：一个进度环表示完成度，几张卡片并排放置卡路里与时长。同样的排版思路套到你的 results.json 上，30 天的数据就不再是一堆平铺的数字，哪条讨论热、哪个平台声音大，都能快速分辨出来。

从装好到跑出结果的最短路径

环境准备：克隆仓库并装好画图库

git clone https://gitcode.com/GitHub_Trending/la/last30days-skill cd last30days-skill pip install matplotlib

看到本地多出一个 last30days-skill 目录，且python --version不低于 3.12，说明环境就绪。

一条命令拿到 30 天数据

取数入口是 skills/last30days/scripts/last30days.py，在终端执行下面这条命令，引号里的占位内容换成你真正要查的话题即可：

python skills/last30days/scripts/last30days.py "你的话题" --emit=json --output results.json

跑完后当前目录会出现results.json，这就是后面画图要用的全部原料。

结果文件长什么样

顶层是results数组，每条结果带title（标题）、source（来源平台，如 reddit、x）、published_at（发布时间）、engagement（互动计数对象：点赞、评论、转发）。数据落库前会过两道工序：skills/last30days/scripts/lib/dedupe.py 过滤掉互相重复的条目，skills/last30days/scripts/lib/normalize.py 把各平台的原始数据对齐成统一字段。完整字段表可查 docs/reference/json-export.md。

用最少的代码画出第一张图

下面这段代码取前 10 条结果，把它们的互动量画成横向柱状图，保存为chart.py：

import json import matplotlib.pyplot as plt data = json.load(open("results.json", encoding="utf-8")) top = data["results"][:10] labels = [t["title"][:22] for t in top][::-1] values = [t.get("engagement", {}).get("score", 0) or t.get("engagement", {}).get("likes", 0) for t in top][::-1] plt.barh(labels, values) plt.title("30 天社媒话题热度 TOP 10") plt.xlabel("互动量") plt.tight_layout() plt.show()

运行python chart.py会弹出一张图：条形越往右伸，说明社区对这条讨论给的关注越多。

三种进阶调法

每种只改动上面代码的几行，先说明改哪个参数，再说视觉上的变化。

换成折线图看 30 天走势

把plt.barh换成plt.plot，横轴放按published_at排好序的日期，纵轴放当日互动量合计。视觉上，柱条变成一条曲线，话题哪天开始起热、哪天回落，直接就能看出来。

按平台对比讨论热度

按source的取值把results拆成 reddit、x 两组，分别累加互动量，再画成两组柱状图（或给plt.bar加bottom偏移做成堆叠）。视觉上，同一话题在两个平台的差距被并排摆在一起。

用颜色标出最热的几条

给plt.barh传入color颜色列表：互动量超过你设的阈值就用醒目颜色，其余用浅色。视觉上整张图只有少数几条扎眼，值得放大细读的就是它们。

柱状、折线之外，统计指标还可以像下图这样组织成多栏卡片式：一栏放一个指标，版式随意拼，适合放进周报或对比页。

常见坑位

运行命令就报错：第一行提示last30days v3 requires Python 3.12+。原因是入口脚本会硬校验解释器版本，3.12 以下直接拒绝执行。用python --version确认当前版本，装到 3.12 再重跑即可。

首次运行进入引导，迟迟没有 results.json：部分平台（如 X）需要先解锁凭据或浏览器 Cookie 才能抓取，所以首次运行会先进 setup 引导。按提示逐项配置数据源，或跳过不需要的来源；未配置的来源只会在source_status里标为skipped-unconfigured，不阻塞其余数据落盘。

画图代码里报 KeyError：JSON 契约对取值未知的字段是直接省略而不是输出 null，个别条目可能没有published_at或engagement。统一改用.get()读取并给定默认值，就能避开缺字段的问题。

图表只是 results.json 的一种呈现形式，同一份数据还可以贴进周报、对比页，或者再交给 AI 生成摘要。选一个你正关心的话题，先把那条取数命令跑起来吧 📊