Criar visualizações estatísticas com qualidade de publicação exige código boilerplate significativo e decisões de design. Esta skill fornece acesso otimizado às funções da biblioteca seaborn para gerar box plots, violin plots, heatmaps e pair plots com padrões atraentes e integração com pandas.
Baixar o ZIP da skill
Upload no Claude
Vá em Configurações → Capacidades → Skills → Upload skill
Ative e comece a usar
Testar
A utilizar "seaborn". Create a box plot showing revenue by region using the sales_data DataFrame. Set region as x-axis and revenue as y-axis.
Resultado esperado:
Uma figura de box plot com regiões no eixo x, receita no eixo y, mostrando mediana, quartis e outliers para cada região. Estilização limpa com padrões do seaborn aplicados.
A utilizar "seaborn". Generate a heatmap of the correlation matrix from customer_data with annotations showing the correlation coefficients.
Resultado esperado:
Um heatmap quadrado com células coloridas pela força de correlação (paleta divergente vermelho-azul), anotações numéricas em cada célula e uma legenda de barra de cores mostrando a escala.
A utilizar "seaborn". Create a violin plot of response times by priority level from support_data, with box inside showing quartiles.
Resultado esperado:
Um violin plot com níveis de prioridade no eixo x e tempos de resposta no eixo y. Cada violino mostra a distribuição completa, com um box plot sobreposto exibindo mediana e linhas de quartis.
Auditoria de Segurança
SeguroAll 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.
Pontuação de qualidade
O Que Você Pode Construir
Explorar Distribuições de Conjuntos de Dados para Análise
Gere rapidamente comparações de distribuição entre grupos categóricos usando box plots e violin plots para identificar outliers e padrões em dados experimentais ou de pesquisa.
Visualizar Matrizes de Correlação em Notebooks
Crie heatmaps anotados mostrando coeficientes de correlação entre variáveis para apoiar a seleção de features e a avaliação de multicolinearidade em fluxos de trabalho de machine learning.
Gerar Figuras com Qualidade de Publicação
Produza figuras estatísticas estilizadas com estética consistente para artigos acadêmicos, relatórios e apresentações usando personalização de tema do seaborn.
Tente Estes Prompts
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.
Melhores Práticas
- Use tamanhos de figura consistentes (definidos via parâmetros de figura do matplotlib) ao criar múltiplas visualizações relacionadas para relatórios
- Aplique configurações de tema do seaborn (sns.set_theme) uma vez no início das sessões para estilização consistente em todas as figuras geradas
- Escolha paletas de cores apropriadas (divergentes para correlações, sequenciais para magnitudes) para representar com precisão as relações dos dados
Evitar
- Evite criar visualizações excessivamente complexas com muitas categorias (considere agregar ou filtrar os dados primeiro)
- Não use box plots para amostras muito pequenas, onde violin plots ou strip plots mostrariam melhor a distribuição
- Evite sobrecarregar figuras com anotações excessivas; mantenha rótulos e títulos claros e concisos
Perguntas Frequentes
Qual é a diferença entre box plots e violin plots no seaborn?
Posso usar seaborn com dados armazenados em DataFrames do pandas?
Como salvo figuras do seaborn para publicação?
Quais paletas de cores estão disponíveis no seaborn?
Como personalizo globalmente o estilo das figuras do seaborn?
Posso combinar matplotlib e seaborn na mesma figura?
Detalhes do Desenvolvedor
Autor
K-Dense-AILicença
BSD-3-Clause license
Repositório
https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/seabornReferência
main
Estrutura de arquivos