Publication-Qualityの統計的視覚化を作成するには、重要なボイラープレートコードとデザイン上の決定が必要です。このスキルは、box plots、violin plots、heatmaps、pair plotsを生成するためのseabornライブラリ関数への最適化されたアクセスを提供し、魅力的なデフォルトとpandas統合を備えています。
スキルZIPをダウンロード
Claudeでアップロード
設定 → 機能 → スキル → スキルをアップロードへ移動
オンにして利用開始
テストする
「seaborn」を使用しています。 sales_data DataFrameを使用して、地域別の収益を示すbox plotを作成します。地域をx軸、収益をy軸に設定します。
期待される結果:
地域がx軸、収益がy軸のbox plot。各地域のmedian、四分位数、外れ値を示す。seabornデフォルトを適用したクリーンなスタイリング。
「seaborn」を使用しています。 customer_dataから相関行列のheatmapを生成し、相関係数を示す注釈を付けてください。
期待される結果:
相関強度で色付けされたセルの正方形のheatmap（赤-青発散パレット）、各セルの数値注釈、スケールを示すカラーбар凡例。
「seaborn」を使用しています。 support_dataから優先度レベル別の応答時間のviolin plotを作成してください。内にquartilesを示すboxを含めます。
期待される結果:
優先度レベルがx軸、応答時間がy軸のviolin plot。各violinは完全な分布を表示し、medianと四分位線の線を表示するbox plotオーバーレイを含む。
セキュリティ監査
安全All static findings are false positives. The scanner incorrectly identified markdown documentation formatting (backticks for inline code) as shell command execution, library names as cryptographic algorithms, and standard metadata as network indicators. This is a legitimate statistical visualization skill with no malicious code or risky operations.
品質スコア
作れるもの
分析のためのデータセット分布の探索
box plotsとviolin plotsを使用してカテゴリグループ間の分布比較を迅速に生成し、実験データまたはサーベイデータ内の外れ値とパターンを特定します。
ノートブックにおける相関行列の視覚化
変数間の相関係数を示す注釈付きheatmapsを作成し、機械学習ワークフローでの特徴選択と多重共線性評価をサポートします。
Publication-Quality図形の生成
seabornテーマカスタマイズを使用して、学術論文、レポート、プレゼンテーション用に一貫した美しさを備えたスタイルの統計図形を作成します。
これらのプロンプトを試す
seabornスキルを使用して、カテゴリ変数間の値を比較するbox plotを作成します。sample_data DataFrameを使用し、'category'をx軸、'value'をy軸にします。seabornのデフォルトテーマを適用し、適切なラベルを追加します。
experiment_dataから'treatment_group'ごとの'scores'の分布を示すseabornスキルでviolin plotを生成します。分位点を表示するにはinner='box'オプションを含めます。専門的なカラーパレットを使用し、図サイズを10x6に設定します。
features_dfから相関行列を視覚化するためにseabornを使用してheatmapを作成します。セルに相関値で注釈を付け、0を中心に発散カラーマップを使用し、カラーバー凡例を含めます。可読性のために図サイズを適切に設定します。
iris_dataから['sepal_length', 'sepal_width', 'petal_length', 'petal_width']の列に対してseabornでpair plotを生成します。点で色を付け、下三角にscatter plot、対角に分布を表示し、サブプロットグリッドサイズを12x12にします。
ベストプラクティス
- レポート用に複数の関連視覚化を作成する場合は、一貫した図サイズを使用します（matplotlib図形パラメータで設定）
- セッションの最初に一度sns.set_theme()を適用して、生成されるすべての図で一貫したスタイリングを確保します
- データ関係を正確に表現するために適切なカラーパレットを選択します（相関には発散、パレットは magnitudes 用）
回避
- 너무多くのカテゴリで複雑な視覚化を作成することは避けてください（まずデータを集約またはフィルタリングすることを検討してください）
- 非常に小さいサンプルサイズにはbox plotsを使用しないでください。分布をよりよく表示するにはviolinまたはstrip plotsが適しています
- 過度な注釈で図を圧倒することは避けてください。ラベルとタイトルを明確で簡潔に保ってください