图表说谎鉴定

```json
{
  "misleading": true,
  "items": [
    {
      "technique": "截断Y轴（Non-zero Baseline / Truncated Y-Axis）",
      "misconception": "使读者误以为周活跃用户在W1至W3期间出现了**大幅度**的显著增长（视觉上柱高差异明显），且W4出现明显回落；而实际上各周之间的绝对数值差异可能非常微小（例如仅2%-5%的波动），在完整尺度下几乎持平。",
      "detail": "图表Y轴起始值明显高于0（从柱形占据绝大部分绘图区可推断），导致微小差异被视觉放大数倍，违反了柱状图应从原点开始以准确表达数量级关系的原则。"
    }
  ],
  "fix_code": "import matplotlib.pyplot as plt
import numpy as np

# 图中可读出的相对趋势：W1 < W2 < W3，W4略低于W3但高于W2
# 具体数值无法读取，以下为符合视觉比例的占位数据（单位：万）
weeks = ['W1', 'W2', 'W3', 'W4']
values = [102.0, 105.5, 108.2, 106.8]  # 占位数据，保持 W1<W2<W3 且 W3>W4>W2 的关系

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))

# 左图：诚实版本（Y轴从0开始）
bars1 = ax1.bar(weeks, values, color='#4472C4', width=0.6)
ax1.set_title('诚实版本：Y轴从0开始', fontsize=12, fontweight='bold')
ax1.set_ylabel('周活跃用户（万）')
ax1.set_ylim(0, max(values) * 1.25)  # 关键修复：强制从0开始
ax1.axhline(y=0, color='black', linewidth=0.8)
ax1.grid(axis='y', alpha=0.3, linestyle='--')

# 添加数据标签以消除歧义
for bar in bars1:
    height = bar.get_height()
    ax1.text(bar.get_x() + bar.get_width()/2., height,
             f'{height:.1f}', ha='center', va='bottom', fontsize=10)

# 右图：原图问题示意（Y轴截断，仅作对比参考）
bars2 = ax2.bar(weeks, values, color='#4472C4', width=0.6)
ax2.set_title('问题版本：Y轴截断（误导性）', fontsize=12, fontweight='bold', color='red')
ax2.set_ylabel('周活跃用户（万）')
ax2.set_ylim(min(values) * 0.95, max(values) * 1.05)  # 模拟截断效果
ax2.grid(axis='y', alpha=0.3, linestyle='--')

plt.tight_layout()
plt.show()"
}
```

```json
{
  "misleading": true,
  "items": [
    {
      "technique": "Y轴截断（Truncated Y-axis）/ 缺失坐标轴刻度",
      "misconception": "读者无法获取各门店的具体营收数值，只能进行粗略的相对比较；若Y轴实际起始值非零（图表未明确标注原点），会严重放大门店间的营收差异（例如将10%的差异视觉化为30-50%），导致对业绩差距产生错误判断；同时因无刻度线，无法验证柱高与数值的对应关系。",
      "estimated_data": {
        "note": "以下为根据柱状图相对高度目测的估算值，实际数值应以原始数据为准",
        "A": "~80万元",
        "B": "~95万元", 
        "C": "~88万元",
        "D": "~105万元"
      }
    }
  ],
  "fix_code": "import matplotlib.pyplot as plt
import numpy as np

# 设置中文字体（根据系统调整，如 SimHei, Arial Unicode MS 等）
plt.rcParams['font.sans-serif'] = ['SimHei', 'DejaVu Sans']
plt.rcParams['axes.unicode_minus'] = False

# 数据（基于目测估算的占位值，实际使用时请替换为真实数据）
stores = ['A', 'B', 'C', 'D']
revenues = [80, 95, 88, 105]  # 单位：万元，[请替换为真实数值]

# 创建图形
fig, ax = plt.subplots(figsize=(8, 6))

# 绘制柱状图，确保颜色与原图接近
bars = ax.bar(stores, revenues, color='#4472C4', width=0.6, edgecolor='black', linewidth=0.5)

# 关键修正1：Y轴必须从0开始，避免截断误导
ax.set_ylim(0, max(revenues) * 1.25)

# 关键修正2：添加清晰的Y轴刻度和网格线
ax.set_ylabel('营收（万元）', fontsize=12)
ax.set_title('各门店营收（万元）', fontsize=14, fontweight='bold')
ax.yaxis.set_major_formatter(plt.FuncFormatter(lambda x, p: f'{x:.0f}'))
ax.grid(axis='y', alpha=0.3, linestyle='--')

# 关键修正3：添加数据标签，消除歧义
for bar in bars:
    height = bar.get_height()
    ax.text(bar.get_x() + bar.get_width()/2., height + 1,
            f'{height}',
            ha='center', va='bottom', fontsize=11)

# 移除顶部和右侧边框，保持简洁
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)

plt.tight_layout()
plt.show()"
}
```

```json
{
  "misleading": true,
  "items": [
    {
      "technique": "截断纵坐标轴（Non-zero Baseline / Truncated Y-Axis）",
      "effect": "夸大季度间的差异幅度。使读者误认为冬季故障工单数较其他季节呈“爆发式”增长（如误以为冬季是春季的2倍以上），而实际绝对数值差异可能仅为15%-20%左右；同时掩盖了春夏秋三季数值相近的事实。",
      "data_note": "原图无具体刻度值，以下为基于柱高比例的估算占位值：春≈60，夏≈72，秋≈62，冬≈85（单位：个）"
    }
  ],
  "fix_code": "import matplotlib.pyplot as plt
import numpy as np

# 占位数据（请替换为实际数值）
quarters = ['春', '夏', '秋', '冬']
values = [60, 72, 62, 85]  # 基于目测比例的示例值

fig, ax = plt.subplots(figsize=(8, 5))
bars = ax.bar(quarters, values, color='#4472C4', width=0.6)

# 关键修正1：强制Y轴从0开始，消除视觉夸大
ax.set_ylim(0, max(values) * 1.25)

# 关键修正2：添加数据标签，确保精确读取
for bar in bars:
    height = bar.get_height()
    ax.annotate(f'{height}',
                xy=(bar.get_x() + bar.get_width() / 2, height),
                xytext=(0, 3),
                textcoords="offset points",
                ha='center', va='bottom',
                fontsize=11)

ax.set_ylabel('故障工单数（个）', fontsize=12)
ax.set_title('季度故障工单数', fontsize=14, fontweight='bold')
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.tick_params(axis='both', labelsize=11)

# 添加网格线辅助读数（仅Y轴）
ax.yaxis.grid(True, linestyle='--', alpha=0.7)
ax.set_axisbelow(True)

plt.tight_layout()
plt.show()"
}
```

```json
{
  "misleading": true,
  "items": [
    {
      "technique": "省略Y轴刻度与基线（Truncated/Hidden Axis）",
      "misconception": "读者无法验证‘提升70%+’的真实性，且极易凭视觉高估增长幅度（例如将70%的增长感知为100%以上的翻倍增长），同时完全无法获知各周具体的活跃用户规模（绝对值）。",
      "description": "图表未提供Y轴任何刻度线、数值或数据标签，仅保留相对柱高。这种做法既隐藏了数据基准（是否从0开始未知），也使文字宣称的‘70%+’增长无法被视觉核验，属于通过信息不对称引导读者接受预设结论的手法。"
    }
  ],
  "fix_code": "import matplotlib.pyplot as plt
import numpy as np

# 图中可读出的时间维度
weeks = ['W1', 'W2', 'W3', 'W4']
# 因原图无刻度，此处用占位符表示待填充的真实数值（单位：万）
# 建议根据实际数据替换，若遵循'提升70%+'且视觉比例大致吻合，示例假设如下：
values = [w1_val, w2_val, w3_val, w4_val]  # 请替换为实际数值

fig, ax = plt.subplots(figsize=(8, 5))
bars = ax.bar(weeks, values, color='#B84C4C', width=0.6, edgecolor='black', linewidth=0.8)

# 修正1：强制Y轴从0开始，避免截断夸大比例
ax.set_ylim(0, max(values) * 1.15)

# 修正2：添加清晰的Y轴刻度与网格线
ax.set_ylabel('周活跃用户（万）', fontsize=12)
ax.yaxis.grid(True, linestyle='--', alpha=0.7)
ax.set_axisbelow(True)

# 修正3：添加数据标签，确保透明度
for bar in bars:
    height = bar.get_height()
    ax.annotate(f'{height}',
                xy=(bar.get_x() + bar.get_width() / 2, height),
                xytext=(0, 3), textcoords="offset points",
                ha='center', va='bottom', fontsize=10)

# 修正4：将注释移至不遮挡数据的位置，并明确说明计算方式
ax.text(0.02, 0.98, '环比增长：70%+（注：非考勤数，统计口径需注明）', 
        transform=ax.transAxes, fontsize=9, verticalalignment='top',
        bbox=dict(boxstyle='round', facecolor='wheat', alpha=0.5))

plt.title('周活跃用户（万）', fontsize=14, loc='left', pad=20)
plt.tight_layout()
plt.show()"
}
```

```json
{
  "misleading": true,
  "items": [
    {
      "technique": "截断纵坐标轴（Non-zero Baseline / Truncated Y-axis）",
      "effect": "纵坐标轴未从原点（0）开始，导致柱体高度差异被视觉放大。读者会误认为D店营收是A店的2倍以上（或差异极其悬殊），而实际数值差异可能仅有30%-50%；同时B店与C店的细微差距也被不成比例地拉大。",
      "severity": "high"
    },
    {
      "technique": "省略坐标轴刻度（Missing Axis Ticks/Labels）",
      "effect": "Y轴完全无刻度标记和网格线，读者无法读取任何门店的具体营收数值（万元），也无法验证柱高是否按真实比例绘制，剥夺了读者对数据真实性的核查能力。",
      "severity": "medium"
    },
    {
      "technique": "冗余/错误注释干扰",
      "effect": "顶部标注“数据共14座（非零售类型）”与图表主题“各门店营收”语义矛盾且位置突兀，可能让读者困惑该统计口径是否适用于当前四家门店，或误以为这是累计数据而非单店数据。",
      "severity": "low"
    }
  ],
  "fix_code": "import matplotlib.pyplot as plt
import numpy as np

# 图中可读出的相对比例数据（具体数值需替换为实际值）
# 根据目测像素高度估算的比例关系（假设单位：万元）
stores = ['A店', 'B店', 'C店', 'D店']
# 占位说明：此处为根据柱高比例的估算值，实际应用中请填入真实数据
revenue = [62, 74, 69, 98]  # 示例数据，请替换为 [A_实际值, B_实际值, C_实际值, D_实际值]

fig, ax = plt.subplots(figsize=(8, 5))

# 绘制标准柱状图：确保y轴从0开始（关键修复）
bars = ax.bar(stores, revenue, color='#C94F4F', width=0.6, edgecolor='black', linewidth=0.8)

# 添加数据标签（修复“无刻度”问题）
for bar, val in zip(bars, revenue):
    height = bar.get_height()
    ax.text(bar.get_x() + bar.get_width()/2., height,
            f'{val}',
            ha='center', va='bottom', fontsize=11, fontweight='bold')

# 设置坐标轴（诚实呈现）
ax.set_ylabel('营收（万元）', fontsize=12)
ax.set_title('各门店营收（万元）', fontsize=14, fontweight='bold', pad=15)
ax.set_ylim(0, max(revenue) * 1.2)  # 强制Y轴从0开始，并留出20%顶部空间显示标签
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.grid(axis='y', alpha=0.3, linestyle='--')

# 移除错误的注释文本
plt.tight_layout()
plt.show()"
}
```

```json
{
  "misleading": true,
  "items": [
    {
      "technique": "截断Y轴 / 省略坐标轴刻度 (Truncated Y-axis & Missing Scale)",
      "error_conclusion": "读者无法得知各季度故障工单的具体数量及真实比例；若Y轴实际非零起点（从视觉压缩程度推测极有可能），会严重夸大季度间差异（例如误以为冬季故障数是春季的1.8-2.0倍，而实际可能仅为1.2-1.3倍），导致对季节性风险程度的错误评估。",
      "details": "图表完全缺失Y轴刻度线、数值标签及单位，违反了柱状图面积/长度应与数值成比例的基本原则。"
    }
  ],
  "fix_code": "import matplotlib.pyplot as plt
import numpy as np

# 季度标签
quarters = ['春', '夏', '秋', '冬']

# 数值占位符（请根据原始数据源替换以下数值）
# 目测相对比例：设春为基准100，则夏≈125，秋≈98，冬≈158
values = [100, 125, 98, 158]  # TODO: 替换为实际故障工单数

# 创建图形
fig, ax = plt.subplots(figsize=(8, 6))
bars = ax.bar(quarters, values, color='#B84C4C', width=0.6, edgecolor='black', linewidth=0.5)

# 【关键修正1】Y轴必须从0开始，确保柱高比例真实反映数据差异
ax.set_ylim(0, max(values) * 1.2)

# 【关键修正2】添加完整的Y轴刻度和标签（原图缺失）
ax.set_ylabel('故障工单数（单）', fontsize=12)
ax.set_title('季度故障工单数', fontsize=14, fontweight='bold', pad=15)

# 【关键修正3】在柱顶添加精确数值标签，消除读数歧义
for bar in bars:
    height = bar.get_height()
    ax.annotate(f'{int(height)}',
                xy=(bar.get_x() + bar.get_width() / 2, height),
                xytext=(0, 5),
                textcoords="offset points",
                ha='center', va='bottom',
                fontsize=11, fontweight='bold')

# 辅助元素：添加水平网格线辅助估读（透明度低以免喧宾夺主）
ax.yaxis.grid(True, linestyle='--', alpha=0.3)
ax.set_axisbelow(True)  # 网格线置于柱状图下层

# 移除不必要的边框（简洁化）
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)

plt.tight_layout()
plt.show()"
}
```

```json
{
  "misleading": true,
  "items": [
    {
      "technique": "截断纵轴（Truncated Y-Axis / Non-zero Baseline）与隐藏坐标轴刻度",
      "effect": "使读者误判Q4相对于Q1的满意度提升幅度。例如，读者可能得出'Q4满意度是Q1的2倍以上'或'Q4出现爆发式增长'的错误结论，而实际绝对分值差异可能仅为10%-20%（例如从3.5分升至4.2分）。",
      "detail": "图表Y轴既无刻度标注，也无零基线标识，通过压缩Y轴可视区间人为放大了柱体间的高度比率，违反了面积/长度编码应与数值成比例的原则。"
    }
  ],
  "fix_code": "import matplotlib.pyplot as plt
import numpy as np

# 占位数据（根据原图视觉比例估算，实际应用需替换为真实值）
quarters = ['Q1', 'Q2', 'Q3', 'Q4']
# 示例：假设实际满意度评分为1-5分制，原图因截断导致视觉失真
values = [3.5, 4.2, 3.6, 4.8]  # 请替换为 [Q1_val, Q2_val, Q3_val, Q4_val]

fig, ax = plt.subplots(figsize=(8, 5))
bars = ax.bar(quarters, values, color='#B83A3E', width=0.6)

# 关键修正：强制Y轴从0开始，恢复真实比例
ax.set_ylim(0, max(values) * 1.2)
ax.set_ylabel('满意度评分', fontsize=12)
ax.set_title('满意度评分', fontsize=14, fontweight='bold', loc='left')

# 添加网格线辅助读数（可选，增强可读性）
ax.yaxis.grid(True, linestyle='--', alpha=0.7)
ax.set_axisbelow(True)

# 添加数据标签（弥补原信息缺失）
for bar in bars:
    height = bar.get_height()
    ax.annotate(f'{height}',
                xy=(bar.get_x() + bar.get_width() / 2, height),
                xytext=(0, 3), textcoords="offset points",
                ha='center', va='bottom', fontsize=10)

# 移除顶部和右侧边框（简洁化）
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)

plt.tight_layout()
plt.show()"
}
```

{"misleading":false,"items":[],"fix_code":""}

{"misleading":false,"items":[],"fix_code":""}

{"misleading": false, "items": [], "fix_code": ""}

{"misleading":true,"items":[{"technique":"截断纵轴/非零基线用于柱状图（小字标注不足以抵消）","false_conclusion":"读者会把柱高比例误当真实用户量比例：按柱高估计会得出 W4 约为 W1 的 1.9–2.0 倍、W3 约为 1.5 倍、W2 约为 1.25 倍；但纵轴不从 0 开始，真实倍数必然更小，且起点数值未给出，读者无法校正。"},{"technique":"省略纵轴刻度、网格线与数据标签","false_conclusion":"读者无法读出 W1-W4 的具体万数、相邻周差值或百分比，只能凭红色柱高猜测；这会把视觉上的巨大落差当成实际绝对增长，或使人意识不到轴已被截断。"}],"fix_code":"import matplotlib.pyplot as plt\n\n# 图中可读出的只有：类别 W1-W4、指标名“周活跃用户”、单位“万”；具体数值和纵轴起点未标出。\n# 请将 None 替换为原始数据（单位：万）。不要从被截断的柱高反推数值。\nvalues = {'W1': None, 'W2': None, 'W3': None, 'W4': None}\nassert all(v is not None for v in values.values()), '请填入真实数值后再绘图'\n\nlabels = list(values.keys())\ny = [values[k] for k in labels]\n\nfig, ax = plt.subplots(figsize=(6, 4))\nbars = ax.bar(labels, y, color='#c0392b')\nax.set_ylim(0, max(y) * 1.15)  # 柱状图必须使用零基线\nax.set_ylabel('周活跃用户（万）')\nax.set_title('周活跃用户（万）')\nax.grid(axis='y', alpha=0.3)\nax.bar_label(bars, fmt='%.1f')\n\n# 如需强调变化，用真实差值/百分比在标题或注释中说明，而不是截断柱高：\n# pct = [(y[i] / y[i-1] - 1) * 100 for i in range(1, len(y))]\nplt.tight_layout()\nplt.show()"}

↑ 此条为模型输出的原始形态：单行紧凑 JSON，fix_code 内的换行是字面的 \n 转义序列（原样保留）。

{
  "misleading": true,
  "items": [
    {
      "technique": "非零基线/截断纵轴的柱状图",
      "wrong_conclusion": "读者会把柱高比例当成营收比例：图上 D 柱约为 A 柱的 1.6 倍、D 也明显高于 B/C，从而得出“D 营收约比 A 多六成、门店差距很大”的结论。但图中红字可读纵轴从 1149 万元起，柱高只编码“超过 1149 的部分”；真实营收比应是 (1149+d_D)/(1149+d_A)，必然小于柱高比，且在差额相对 1149 不大时会接近 1。"
    },
    {
      "technique": "只标注截断起点，不提供纵轴刻度/终点和数据标签",
      "wrong_conclusion": "读者无法把“1149 起”转换成可量化校正，容易仍把 x 轴当 0，或无法判断 D 比 A 实际多多少万元/百分比。图中可读出的只有门店 A/B/C/D、单位万元和起点 1149；各店真实营收读不出。"
    }
  ],
  "fix_code": "import matplotlib.pyplot as plt\n\nstores = ['A', 'B', 'C', 'D']\nunit = '万元'\naxis_start_read_from_chart = 1149  # 图中红字可读；只用于偏差说明，不得作为营收柱的 y 轴下限\nrevenue = {'A': None, 'B': None, 'C': None, 'D': None}  # PLACEHOLDER: 图中读不出真实营收，请用原始数据替换；不要由柱高反推\nbar_height_px_audit_only = {'A': 130, 'B': 152, 'C': 141, 'D': 207}  # 仅记录图像像素，不是营收\n\nif any(revenue[s] is None for s in stores):\n    raise ValueError('真实营收在图中读不出；请填充 revenue 后再画。诚实图不能用像素柱高或 1149 起点反推营收。')\n\nvals = [revenue[s] for s in stores]\nfig, ax = plt.subplots(figsize=(7, 4))\nbars = ax.bar(stores, vals, color='#C44536')\nax.set_ylim(0, max(vals) * 1.15)\nax.set_ylabel('营收（' + unit + '）')\nax.set_title('各门店营收（' + unit + '）')\nax.bar_label(bars, fmt='%.0f')\nax.grid(axis='y', alpha=0.25)\nax.set_axisbelow(True)\nfig.text(0.01, 0.01, '诚实版本：营收柱 y 轴从 0 开始；1149 仅为原图截断起点。', ha='left')\nplt.tight_layout(rect=[0, 0.04, 1, 1])\nplt.show()\n\n# 如分析重点是相对 1149 的差额，应单独画偏差图，且不得把它叫作营收：\n# dev = [v - axis_start_read_from_chart for v in vals]\n# fig2, ax2 = plt.subplots(figsize=(7, 3))\n# b2 = ax2.bar(stores, dev, color='#4C78A8')\n# ax2.axhline(0, color='black', linewidth=0.8)\n# ax2.set_ylabel('营收 - 1149（' + unit + '）')\n# ax2.set_title('相对 1149 ' + unit + ' 的差额（非营收本身）')\n# ax2.bar_label(b2, fmt='%.0f')\n# plt.tight_layout()\n# plt.show()"
}

{"misleading": true, "items": [{"technique": "柱状图纵轴截断（非零基线，图中红字自承'纵轴从84起'）", "wrong_conclusion": "柱形图用长度编码数值，纵轴从84而非0开始后，读者会按柱子高度直觉比较：春季与秋季看起来相近、冬季柱子约为春/秋的1.7倍，从而得出'冬季故障工单数比春/秋季多约七成、季度间波动很大'的错误结论；按柱高反推，若春≈98、冬≈108，则截断轴把(108-84)/(98-84)=24/14≈1.71的视觉差异放大，而真实差异108/98仅约+10%。图上小字标注并不能消除该误导，因为读者仍用柱长做判断。"}], "fix_code": "import matplotlib.pyplot as plt\n\nquarters = ['春', '夏', '秋', '冬']\n# 图中唯一可读的数值信息：原图纵轴从 84 起（红字）；四个季度的真实工单数没有 y 轴刻度/数据标签，读不出。\n# 下列 counts 为按柱高相对比例反推的 PLACEHOLDER 估计（满足 春≈秋<夏<冬，且在基线 84 下 (v-84) 的比接近原图柱高比），发布前必须替换为真实工单数。\nORIGINAL_TRUNCATED_BASELINE = 84  # 原图可读：非零基线\ncounts = [98, 101, 98, 108]  # PLACEHOLDER/估计：真实值图中不可读，勿直接用于结论\n\nfig, ax = plt.subplots(figsize=(6, 4))\nbars = ax.bar(quarters, counts, color='#C0392B')\nax.set_ylim(0, max(counts) * 1.18)  # 诚实做法：柱状图纵轴必须从 0 开始\nax.set_title('季度故障工单数')\nax.set_ylabel('故障工单数（件）')\nfor b, v in zip(bars, counts):\n    ax.text(b.get_x() + b.get_width() / 2, v, str(v), ha='center', va='bottom', fontsize=10)\n# 不画被截断的基线；如确需展示与目标阈值的关系，用水平参考线而非截断 y 轴。\nplt.tight_layout()\nplt.show()"}

↑ 此条为模型输出的原始形态：单行紧凑 JSON，fix_code 内的换行是字面的 \n 转义序列（原样保留）。

{"misleading":true,"items":[{"technique":"柱状图截断纵轴/非零基线（图上小字自称“纵轴从40起”）","wrong_conclusion":"读者会把柱高当成从零开始的完整长度，从而按视觉高度比读出错误倍数：Q4 看起来约为 Q1/Q3 的 2.2 倍、Q2 约为 Q1/Q3 的 1.4 倍；实际上基线被设为 40，柱高只代表“超过 40 的部分”，真实满意度倍数必须用原始数值相对零基线或直接用数值标注判断，不能按截断后的柱高比较。原图没有可读纵轴刻度，具体数值读不出，因此代码中使用 None 占位并强制先填真实值。"}],"fix_code":"import matplotlib.pyplot as plt\n\nlabels = ['Q1', 'Q2', 'Q3', 'Q4']\nvalues = [None, None, None, None]  # 占位：原图只能读出 Q1-Q4；纵轴无刻度，真实满意度值读不出\n\nif any(v is None for v in values):\n    raise ValueError('原图缺少可读纵轴刻度，无法从像素恢复真实数值；请把 values 替换为真实的 [Q1, Q2, Q3, Q4] 后再绘制。')\n\nfig, ax = plt.subplots(figsize=(6, 4))\nbars = ax.bar(labels, values, color='#C04A3B')\nax.set_ylim(0, max(values) * 1.15)  # 诚实版本：柱状图必须从 0 开始\nax.set_ylabel('满意度评分')\nax.set_title('满意度评分（零基线）')\nax.spines['top'].set_visible(False)\nax.spines['right'].set_visible(False)\n\nfor bar, v in zip(bars, values):\n    ax.annotate(f'{v:.1f}', xy=(bar.get_x() + bar.get_width() / 2, v), xytext=(0, 3), textcoords='offset points', ha='center', va='bottom')\n\nplt.tight_layout()\nplt.show()"}

↑ 此条为模型输出的原始形态：单行紧凑 JSON，fix_code 内的换行是字面的 \n 转义序列（原样保留）。