Fähigkeiten matplotlib
📊

matplotlib

Sicher ⚙️ Externe Befehle🌐 Netzwerkzugriff📁 Dateisystemzugriff

Erstellen Sie publikationsreife Plots mit matplotlib

Auch verfügbar von: davila7

Matplotlib bietet vollständige Kontrolle über jedes visuelle Element zum Erstellen von publikationsreifen Abbildungen. Beherrschen Sie sowohl die pyplot- als auch die objektorientierte Schnittstelle, um jeden Diagrammtyp zu erstellen - von einfachen Liniendiagrammen bis hin zu komplexen wissenschaftlichen Visualisierungen mit mehreren Panels.

Unterstützt: Claude Codex Code(CC)
🥈 77 Silber
1

Die Skill-ZIP herunterladen

2

In Claude hochladen

Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen

3

Einschalten und loslegen

Teste es

Verwendung von "matplotlib". Create a scatter plot showing the relationship between height and weight with proper labels

Erwartetes Ergebnis:

  • Streudiagramm generiert mit Größe (cm) auf der x-Achse und Gewicht (kg) auf der y-Achse
  • Lineare Trendlinie mit Korrelationskoeffizient hinzugefügt
  • Achsenbeschriftungen enthalten: Größe (cm) und Gewicht (kg)
  • Titel gesetzt: Beziehung zwischen Größe und Gewicht
  • Farbschema für Farbenblindheit freundliches verwendet
  • Als hochauflösende PNG-Datei (300 DPI) für Publikation gespeichert

Verwendung von "matplotlib". Create a 2x2 multi-panel figure showing sales trends, product distribution, regional comparison, and monthly growth

Erwartetes Ergebnis:

  • Abbildung mit 4 Subplots im 2x2-Layout erstellt
  • Oben links: Liniendiagramm mit Verkaufs-Trends über 12 Monate
  • Oben rechts: Tortendiagramm der Produktkategorien-Verteilung
  • Unten links: Balkendiagramm mit regionalem Leistungsvergleich
  • Unten rechts: Flächendiagramm mit monatlichen Wachstumsraten
  • Konsistente Gestaltung über alle Panels mit vereinheitlichter Legende angewandt

Sicherheitsaudit

Sicher
v4 • 1/17/2026

All 552 static findings are FALSE POSITIVES. The 'Ruby/shell backtick execution' (494 locations) are Python code examples in markdown documentation. 'Weak cryptographic algorithm' flags are metadata hashes and configuration access. 'C2 keywords' is 'claude' model identifier in metadata. 'System reconnaissance' is matplotlib querying available styles. 'Certificate/key files' is style configuration file writing. No malicious code execution, credential exfiltration, or network abuse detected.

8
Gescannte Dateien
3,468
Analysierte Zeilen
3
befunde
4
Gesamtzahl Audits

Risikofaktoren

⚙️ Externe Befehle (5)
references/api_reference.md:12 references/common_issues.md:9 references/plot_types.md:10 references/styling_guide.md:11 SKILL.md:41
🌐 Netzwerkzugriff (1)
SKILL.md:355-358
📁 Dateisystemzugriff (1)
scripts/style_configurator.py:198
Auditiert von: claude Audit-Verlauf anzeigen →

Qualitätsbewertung

68
Architektur
90
Wartbarkeit
87
Inhalt
30
Community
100
Sicherheit
91
Spezifikationskonformität

Was du bauen kannst

Erstellen Sie publikationsreife Abbildungen

Generieren Sie hochwertige Plots für Forschungsarbeiten mit korrekter Beschriftung, Fehlerbalken und mehreren Subplot-Layouts

Daten erkunden und visualisieren

Datenverteilungen, Korrelationen und Trends schnell plotten, um Muster vor der formalen Analyse zu verstehen

Grundlagen der Datenvisualisierung erlernen

Plotting-Konzepte durch praxisnahe Beispiele meistern, die alle wichtigen Diagrammtypen und Anpassungstechniken abdecken

Probiere diese Prompts

Einfaches Liniendiagramm 
Erstellen Sie ein Liniendiagramm meiner Daten mit Datum auf der x-Achse und Werten auf der y-Achse. Fügen Sie korrekte Labels und Gitter hinzu.
Mehrpanel-Abbildung 
Erstellen Sie ein 2x2 Subplot-Layout mit Histogramm, Streudiagramm, Boxplot und Balkendiagramm meines Datensatzes
Publikationsgestaltung 
Wenden Sie publikationsreife Gestaltung auf meinen Plot an: Schriftgrößen erhöhen, obere/rechte spines entfernen, geeignete DPI verwenden
Benutzerdefinierte Anmerkungen 
Fügen Sie Pfeile und Textanmerkungen hinzu, um den Maximalwert und wichtige Ereignisse in meinem Zeitreihenplot zu markieren

Bewährte Verfahren

  • Verwenden Sie immer die objektorientierte Schnittstelle (fig, ax = plt.subplots()) für bessere Kontrolle und Wartbarkeit
  • Stellen Sie Figure-Größe und DPI entsprechend Ihrem Ausgabemedium ein (300 DPI für Druck, 150 DPI für Web)
  • Verwenden Sie constrained_layout=True oder tight_layout(), um überlappende Elemente zu verhindern

Vermeiden

  • Vermeiden Sie die pyplot State-Machine-Schnittstelle für komplexe Abbildungen - sie führt zu verwirrendem Code
  • Verwenden Sie keine Regenbogen-/Jet-Farbkarten - sie sind nicht perzeptuell gleichförmig und können Daten falsch darstellen
  • Speichern Sie niemals Abbildungen ohne bbox_inches='tight' - es bleibt unnötiger Weißraum

Häufig gestellte Fragen

Was ist der Unterschied zwischen pyplot und objektorientierten Schnittstellen?
Pyplot ist MATLAB-Stil mit implizitem State, während OO-Schnittstelle explizite Kontrolle gibt. Verwenden Sie OO für Produktionscode.
Wie speichere ich hochqualitative Abbildungen für Publikationen?
Verwenden Sie plt.savefig('figure.png', dpi=300, bbox_inches='tight') für Druckqualität. Verwenden Sie PDF/SVG für Vektorgrafiken.
Warum überlappen sich meine Subplot-Labels?
Fügen Sie constrained_layout=True beim Erstellen von Subplots hinzu oder rufen Sie fig.tight_layout() vor dem Speichern auf.
Welche Farbkarte sollte ich verwenden?
Verwenden Sie viridis/plasma für sequentielle Daten, coolwarm für divergierende Daten und tab10 für kategoriale Daten.
Wie erstelle ich eine farbenblinden-freundlichen Plot?
Verwenden Sie Farbkarten wie viridis oder cividis und fügen Sie Muster oder Schraffuren zu Balken zusätzlich zu Farben hinzu.
Kann ich matplotlib in Jupyter-Notebooks verwenden?
Ja, verwenden Sie %matplotlib inline für statische Plots oder %matplotlib widget für interaktive Plots in Jupyter.

Entwicklerdetails

Lizenz

https://github.com/matplotlib/matplotlib/tree/main/LICENSE

Repository

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/matplotlib

Ref

main

Dateistruktur

📁 references/

📄 api_reference.md

📄 common_issues.md

📄 plot_types.md

📄 styling_guide.md

📁 scripts/

📄 plot_template.py

📄 style_configurator.py

📄 SKILL.md