核心用法
data-visualizer 是一款面向终端的数据可视化工具集，专为命令行环境设计。用户通过 scripts/script.sh 调用各类子命令，从 CSV 或 JSON 数据源快速生成多种图表类型，包括条形图（bar）、迷你折线图（sparkline）、直方图（histogram）、热力图（heatmap）、仪表盘（gauge）、树状图（treemap）、矩阵图（matrix）等。此外还支持数据分布分析（distribution）、相关性计算（correlate）、数据透视（pivot）、归一化处理（normalize）及数据摘要（summarize）。输出格式涵盖纯 ASCII 艺术、HTML 和 SVG，便于在终端、网页或文档中嵌入使用。
数据存储完全本地化，默认目录为 ~/.data-visualizer/，所有运算均在本地完成，无需网络连接。
显著优点
1. 零依赖轻量部署：仅需 bash 4.0+ 和标准 Unix 工具（grep、sed、awk），无需安装复杂的数据科学库或图形环境。
2. 多格式输入输出：原生支持 CSV 和 JSON 数据导入，可输出为终端友好的 ASCII 艺术、可嵌入网页的 HTML 或矢量 SVG。
3. 丰富的可视化类型：覆盖从基础统计图表到高级分析（相关性、透视表）的完整工作流。
4. 隐私安全：数据处理完全本地化，不上传云端，适合敏感数据分析场景。
5. 可扩展架构：基于脚本的设计便于用户自定义修改或集成到自动化工作流。
潜在缺点与局限性
- 性能瓶颈：纯 bash 实现，处理大型数据集（百万级行）时性能显著低于 Python/R 等专业工具。
- 交互性缺失：输出为静态图表，不支持鼠标悬停、缩放等交互操作。
- 样式定制有限：ASCII 和 SVG 输出的视觉样式受限于预设模板，精细调整需手动编辑。
- 错误诊断薄弱：bash 脚本的错误提示相对晦涩，调试复杂数据处理流程较困难。
- 社区生态较小：相比 Matplotlib、D3.js 等主流方案，第三方扩展和教程资源有限。
适合人群
- 运维工程师和系统管理员：快速生成服务器指标可视化报告
- 数据分析师：轻量级探索性数据分析（EDA）和快速原型
- 隐私敏感场景用户：医疗、金融等需本地处理数据的行业从业者
- 命令行爱好者：偏好终端工作流、追求工具链极简化的开发者
- 教育场景：向学生演示数据可视化原理，无需复杂环境配置
常规风险
- 数据注入风险：若直接处理不可信的外部 CSV/JSON 文件，需防范恶意 payload 通过特殊字符（如反引号、分号）触发命令注入。建议对输入数据进行预清洗或使用沙箱环境。
- 路径遍历风险：
DATA_VISUALIZER_DIR配置若被篡改，可能导致数据写入非预期目录。应确保配置文件的写权限受控。 - 敏感数据残留：本地存储的图表和数据文件若未加密，在共享机器上存在泄露风险。敏感场景建议配合全盘加密或临时目录使用。
- 版本兼容性：bash 4.0+ 要求可能无法在老旧 macOS（默认 bash 3.2）或精简容器环境中直接运行，需提前验证环境。