Создание статистических визуализаций публикационного качества требует значительного объема шаблонного кода и множества дизайнерских решений. Этот навык предоставляет оптимизированный доступ к функциям библиотеки seaborn для построения box plot, violin plot, heatmap и pair plot с привлекательными настройками по умолчанию и интеграцией с pandas.
Скачать ZIP навыка
Загрузить в Claude
Перейдите в Settings → Capabilities → Skills → Upload skill
Включите и начните использовать
Протестировать
Использование «seaborn». Create a box plot showing revenue by region using the sales_data DataFrame. Set region as x-axis and revenue as y-axis.
Ожидаемый результат:
Box plot с регионами по оси x и выручкой по оси y, показывающий медиану, квартилі и выбросы для каждого региона. Чистое оформление с применением настроек seaborn по умолчанию.
Использование «seaborn». Generate a heatmap of the correlation matrix from customer_data with annotations showing the correlation coefficients.
Ожидаемый результат:
Квадратная heatmap с ячейками, окрашенными по силе корреляции (красно-синяя дивергентная палитра), числовыми аннотациями в каждой ячейке и легендой colorbar, показывающей шкалу.
Использование «seaborn». Create a violin plot of response times by priority level from support_data, with box inside showing quartiles.
Ожидаемый результат:
Violin plot с уровнями приоритета по оси x и временем ответа по оси y. Каждая «скрипка» показывает полное распределение, с наложенным box plot, отображающим медиану и линии квартилей.
Аудит безопасности
БезопасноAll 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.
Оценка качества
Что вы можете построить
Изучение распределений набора данных для анализа
Быстро формировать сравнения распределений по категориальным группам с помощью box plot и violin plot, чтобы выявлять выбросы и закономерности в экспериментальных или опросных данных.
Визуализация корреляционных матриц в ноутбуках
Создавать аннотированные heatmap с коэффициентами корреляции между переменными для поддержки отбора признаков и оценки мультиколлинеарности в рабочих процессах машинного обучения.
Создание графиков публикационного качества
Создавать оформленные статистические графики с единым стилем для академических статей, отчетов и презентаций с помощью настройки тем seaborn.
Попробуйте эти промпты
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.
Лучшие практики
- Используйте согласованные размеры фигур (задаются параметрами figure в matplotlib) при создании нескольких связанных визуализаций для отчетов
- Применяйте настройки темы seaborn (sns.set_theme) один раз в начале сессии для единообразного оформления всех создаваемых графиков
- Выбирайте подходящие цветовые палитры (дивергентные для корреляций, последовательные для величин), чтобы корректно представлять связи в данных
Избегать
- Избегайте чрезмерно сложных визуализаций с слишком большим числом категорий (сначала рассмотрите агрегацию или фильтрацию данных)
- Не используйте box plot для очень малых выборок, где violin plot или strip plot лучше покажут распределение
- Избегайте перегруженных аннотациями графиков; сохраняйте подписи и заголовки четкими и лаконичными
Часто задаваемые вопросы
В чем разница между box plot и violin plot в seaborn?
Можно ли использовать seaborn с данными в pandas DataFrames?
Как сохранить графики seaborn для публикации?
Какие цветовые палитры доступны в seaborn?
Как глобально настроить стиль графиков seaborn?
Можно ли комбинировать matplotlib и seaborn в одной фигуре?
Сведения для разработчиков
Автор
K-Dense-AIЛицензия
BSD-3-Clause license
Репозиторий
https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/seabornСсылка
main
Структура файлов