Matplotlib 提供對每個視覺元素的完整控制，可建立高品質的發表圖表。精通 pyplot 和物件導向介面，從簡單的線圖到複雜的多面板科學視覺化，建立任何類型的圖表。
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」。 Create a scatter plot showing the relationship between height and weight with proper labels
預期結果:
- 產生的散點圖，x 軸為身高 (cm)，y 軸為體重 (kg)
- 加入顯示相關係數的線性趨勢線
- 包含軸標籤：身高 (cm) 和體重 (kg)
- 設定標題：身高與體重的關係
- 應用色盲友善的配色方案
- 儲存為高解析度 PNG（300 DPI）以供發表
正在使用「matplotlib」。 Create a 2x2 multi-panel figure showing sales trends, product distribution, regional comparison, and monthly growth
預期結果:
- 建立包含 4 個子圖的 2x2 佈局圖表
- 左上：顯示 12 個月銷售趨勢的線圖
- 右上：產品類別分佈的圓餅圖
- 左下：比較區域表現的條形圖
- 右下：顯示每月成長率的區域圖
- 應用統一的圖例，在所有面板上保持一致的樣式
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
建立可供發表的專業圖表
為研究論文產生具有正確標籤、誤差棒和多子圖佈局的高品質圖表
探索和視覺化資料集
快速繪製資料分佈、相關性和趨勢，以在正式分析前了解模式
學習資料視覺化基礎
透過涵蓋所有主要圖表類型和自訂技術的實作範例，掌握繪圖概念
試試這些提示
根據我的資料建立線圖，x 軸為日期，y 軸為數值。加上正確的標籤和網格線。
建立 2x2 子圖佈局，顯示我資料集的直方圖、散點圖、箱形圖和條形圖
為我的圖表套用發表品質的樣式：增加字型大小、移除頂部和右側邊框、使用適當的 DPI
在時間序列圖表上加入箭頭和文字註解，以標記最大值和重要事件
最佳實務
- 始終使用物件導向介面（fig, ax = plt.subplots()）以獲得更好的控制和可維護性
- 根據輸出媒介適當設定圖表大小和 DPI（列印用 300 DPI，網頁用 150 DPI）
- 使用 constrained_layout=True 或 tight_layout() 防止元素重疊
避免
- 避免對複雜圖表使用 pyplot 狀態機介面 - 這會導致程式碼混亂
- 不要使用彩虹/jet 色階 - 它們不是知覺均勻的，可能會誤解資料
- 千萬不要在沒有 bbox_inches='tight' 的情況下儲存圖表 - 這會留下不必要的空白