Matplotlib 可以完全控制每个视觉元素，用于创建出版物质量的图形。掌握 pyplot 和面向对象的接口，从简单的线图到复杂的多面板科学可视化，构建任何类型的图表。
下載技能 ZIP
在 Claude 中上傳
前往 設定 → 功能 → 技能 → 上傳技能
開啟並開始使用
測試它
正在使用「matplotlib」。 创建散点图显示身高和体重之间的关系，并添加正确的标签
預期結果:
- 已生成散点图，x 轴为身高（厘米），y 轴为体重（公斤）
- 添加了显示相关系数的线性趋势线
- 包含轴标签：身高（厘米）和体重（公斤）
- 设置标题：身高与体重的关系
- 应用了色盲友好的配色方案
- 保存为高分辨率 PNG（300 DPI）用于出版
正在使用「matplotlib」。 创建 2x2 多面板图形，显示销售趋势、产品分布、区域比较和月度增长
預期結果:
- 已创建包含 4 个子图的 2x2 布局图形
- 左上角：显示 12 个月销售趋势的线图
- 右上角：产品类别分布的饼图
- 左下角：比较区域表现的柱状图
- 右下角：显示月度增长率的面积图
- 对所有面板应用一致样式，带有统一图例
安全審計
安全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.
風險因素
品質評分
你能建構什麼
创建出版物级图形
为研究论文生成高质量图表，包含正确的标签、误差棒和多子图布局
探索和可视化数据集
快速绘制数据分布、相关性和趋势，在正式分析前了解数据模式
学习数据可视化基础知识
通过涵盖所有主要图表类型和自定义技术的实践示例掌握绘图概念
試試這些提示
创建我数据的线图，x 轴为日期，y 轴为数值。添加正确的标签和网格线。
创建 2x2 子图布局，显示我的数据集的直方图、散点图、箱线图和柱状图
对我的图表应用出版物质量样式：增大字体大小、移除顶部和右侧边框、使用适当的 DPI
添加箭头和文本注释，标记最大值和时间序列上的重要事件
最佳實務
- 始终使用面向对象的接口（fig, ax = plt.subplots()）以获得更好的控制和可维护性
- 根据输出媒介适当设置图形大小和 DPI（打印用 300 DPI，网页用 150 DPI）
- 使用 constrained_layout=True 或 tight_layout() 防止元素重叠
避免
- 避免对复杂图形使用 pyplot 状态机接口 - 这会导致代码混乱
- 不要使用彩虹/jet 色图 - 它们不是感知均匀的，可能会误导数据
- 永远不要在没有 bbox_inches='tight' 的情况下保存图形 - 这会留下不必要的空白