출판 품질의 통계 시각화를 생성하려면 상당한 상용구 코드와 설계 결정이 필요합니다. 이 스킬은 박스 플롯, 바이올린 플롯, 히트맵, 페어 플롯을 시각적으로 매력적인 기본값과 pandas 통합과 함께 생성하기 위해 seaborn 라이브러리 함수에 최적화된 액세스를 제공합니다.
스킬 ZIP 다운로드
Claude에서 업로드
설정 → 기능 → 스킬 → 스킬 업로드로 이동
토글을 켜고 사용 시작
테스트해 보기
"seaborn" 사용 중입니다. Create a box plot showing revenue by region using the sales_data DataFrame. Set region as x-axis and revenue as y-axis.
예상 결과:
x축에 지역, y轴에 수익이 표시된 박스 플롯으로, 각 지역의 중앙값, 사분위수 및 이상치를 보여줍니다. seaborn 기본값이 적용된 깔끔한 스타일링.
"seaborn" 사용 중입니다. Generate a heatmap of the correlation matrix from customer_data with annotations showing the correlation coefficients.
예상 결과:
상관관계 강도에 따라 색상이 지정된 정사각형 히트맵(적색-청색 분산 팔레트), 각 셀의 숫자 주석, 스케일을 보여주는 색상바 범례.
"seaborn" 사용 중입니다. Create a violin plot of response times by priority level from support_data, with box inside showing quartiles.
예상 결과:
x축에 우선순위 수준, y轴에 응답 시간이 표시된 바이올린 플롯입니다. 각 바이올린은 중앙값과 사분위수 라인을 보여주는 박스 플롯 오버레이와 함께 전체 분포를 보여줍니다.
보안 감사
안전All 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.
품질 점수
만들 수 있는 것
분석을 위한 데이터셋 분포 탐색
박스 플롯과 바이올린 플롯을 사용하여 범주 그룹 간의 분포를 빠르게 생성하여 실험 또는 설문 데이터의 이상치와 패턴을 식별합니다.
노트북에서 상관관계 행렬 시각화
변수 간 상관 계수를 보여주는 주석이 포함된 히트맵을 생성하여 머신러닝 워크플로우에서 피처 선택과 다중공선성 평가를 지원합니다.
출판 품질의 그림 생성
seaborn 테마 커스터마이징을 사용하여 학술 논문, 보고서 및 프레젠테이션을 위해 일관된 미학의 스타일된 통계를 생성합니다.
이 프롬프트를 사용해 보세요
Use the seaborn skill to create a box plot comparing values across a categorical variable. Use the sample_data DataFrame with 'category' as the x-axis and 'value' as the y-axis. Apply the seaborn default theme and add appropriate labels.
Generate a violin plot with the seaborn skill showing the distribution of 'scores' by 'treatment_group' from experiment_data. Include the inner='box' option to show quartiles. Use a professional color palette and set figure size to 10x6.
Create a heatmap using seaborn to visualize the correlation matrix from features_df. Annotate cells with correlation values, use a diverging colormap centered at 0, and include a colorbar legend. Set the figure size appropriately for readability.
Generate a pair plot using seaborn for the columns ['sepal_length', 'sepal_width', 'petal_length', 'petal_width'] from iris_data. Color points by species, show scatter plots on lower triangle and distributions on diagonal, and use a subplot grid size of 12x12.
모범 사례
- 보고서를 위해 여러 관련 시각화를 생성할 때 일관된 그림 크기 사용(matplotlib 그림 매개변수로 설정)
- 모든 생성된 그림에서 일관된 스타일을 위해 세션 시작 시 한 번 seaborn 테마 설정(sns.set_theme) 적용
- 데이터 관계를 정확하게 표현하기 위해 적절한 색상 팔레트 선택(상관관계에는 분산형, 크기에는 순차형)
피하기
- 너무 많은 범주로 복잡한 시각화 생성 피하기(먼저 데이터 집계 또는 필터링 고려)
- 매우 작은 표본 크기에서 바이올린 또는 스트립 플롯이 분포를 더 잘 보여줄 때 박스 플롯 사용 피하기
- 과도한 주석으로 그림을 압도하지 않기; 레이블과 제목을 명확하고 간결하게 유지