Python数据可视化-免费版

Python 数据可视化 - 免费版

概述

Python 数据可视化工具免费版使用 matplotlib、seaborn、plotly 三大主流库创建专业图表。支持柱状图、折线图、散点图、饼图、直方图、热力图等常见图表类型,适合数据分析、报告制作与学术绘图.

核心能力

1. matplotlib 静态图表

全控制静态图表,支持多面板、自定义样式、标注注释,导出 PNG/SVG/PDF.

处理: 解析matplotlib 静态图表的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回matplotlib 静态图表的响应数据,包含状态码、结果和日志.

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

2. seaborn 统计可视化

内置美观默认样式,支持分布图、分类图、关系图、矩阵图等统计可视化.

处理: 解析seaborn 统计可视化的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回seaborn 统计可视化的响应数据,包含状态码、结果和日志.

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

3. plotly 交互式图表

支持悬停提示、缩放、平移,可导出 HTML 交互式页面.

处理: 解析plotly 交互式图表的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回plotly 交互式图表的响应数据,包含状态码、结果和日志.

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

4. 多子图布局

灵活的多面板布局,支持 2x2、3x3 等网格排列.

处理: 解析多子图布局的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回多子图布局的响应数据,包含状态码、结果和日志.

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

5. 多数据源支持

支持 CSV 文件、Python 字典、NumPy 数组、pandas DataFrame.

处理: 解析多数据源支持的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回多数据源支持的响应数据,包含状态码、结果和日志. 技术参数：使用input_params和output_format参数控制执行行为,支持json/text/csv输出格式. 能力覆盖范围：本skill的核心能力覆盖以下场景关键词：创建专业图表、支持柱状图、折线图、散点图与热力图、数据可视化工具免、面向个人开发者与、数据分析师、核心能力、小提琴、KDE、多子图布局与样式等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持.

使用场景

场景一:从 CSV 数据创建折线图

输入格式

import pandas as pd
import matplotlib.pyplot as plt
# ...
# 读取 CSV 数据
df = pd.read_csv('sales_data.csv')
# ...
# 创建折线图
plt.figure(figsize=(10, 6))
plt.plot(df['date'], df['revenue'], linewidth=2, color='#667eea')
plt.title('月度营收趋势', fontsize=16, fontweight='bold')
plt.xlabel('日期')
plt.ylabel('营收 (元)')
plt.grid(alpha=0.3)
plt.xticks(rotation=45)
plt.tight_layout()
# ...
plt.savefig('revenue_trend.png', dpi=300, bbox_inches='tight')

场景二:使用 seaborn 绘制统计分布图

import seaborn as sns
import matplotlib.pyplot as plt
# ...
# 设置样式
sns.set_theme(style="whitegrid")
sns.set_palette("husl")
# ...
# 示例
tips = sns.load_dataset("tips")
# ...
# 创建箱线图
plt.figure(figsize=(8, 6))
sns.boxplot(data=tips, x='day', y='total_bill')
plt.title('每日账单分布')
plt.savefig('bill_distribution.png', dpi=300)

场景三:创建交互式 plotly 图表

import plotly.express as px
import pandas as pd
# ...
# 创建数据
df = pd.DataFrame({
    '产品': ['A', 'B', 'C', 'D'],
    '销量': [120, 180, 90, 150],
    '利润': [30, 45, 20, 38]
})
# ...
# 创建交互式散点图
fig = px.scatter(df, x='销量', y='利润', text='产品',
                 title='产品销量与利润关系')
fig.update_traces(textposition='top center')
fig.write_html('product_scatter.html')

不适用场景

以下场景Python数据可视化-免费版不适合处理：

• 实时流数据处理
• 小规模数据手动分析
• 非结构化文本情感分析

触发条件

需要数据分析、报表生成、统计洞察、数据可视化时使用。不适用于非本工具能力范围的需求.

快速开始

1. 阅读## 核心能力章节了解skill功能
2. 按## 依赖说明配置环境
3. 执行所需能力对应的命令
4. 参考## 错误处理章节处理异常
5. 查看## FAQ解答常见疑问

环境搭建

# 创建虚拟环境
python3 -m venv .venv
source .venv/（请参考skill目录中的脚本文件）  # Linux/macOS
# .venv\Scripts\activate   # Windows
# ...
# 依赖说明
pip install matplotlib seaborn plotly pandas numpy

创建第一个图表

import matplotlib.pyplot as plt
import numpy as np
# ...
# 生成数据
x = np.linspace(0, 10, 100)
y = np.sin(x)
# ...
# 绘图
plt.figure(figsize=(10, 6))
plt.plot(x, y, linewidth=2, color='#667eea')
plt.title('正弦波', fontsize=16)
plt.xlabel('X 轴')
plt.ylabel('Y 轴')
plt.grid(alpha=0.3)
plt.tight_layout()
# ...
# 保存
plt.savefig('sine_wave.png', dpi=300, bbox_inches='tight')
plt.savefig('sine_wave.svg', bbox_inches='tight')

配置示例

图表选择指南

样式配置

# 设置 seaborn 主题
sns.set_theme()
sns.set_style("whitegrid")  # whitegrid, darkgrid, white, dark, ticks
sns.set_palette("deep")     # deep, muted, pastel, bright, dark, colorblind
# ...
# 设置 matplotlib 样式
plt.style.use('seaborn-v0_8-darkgrid')  # ggplot, bmh, fivethirtyeight
# ...
# 自定义颜色
colors = ['#667eea', '#764ba2', '#f6ad55', '#4299e1']

导出格式

# PNG(适合网页)
plt.savefig('chart.png', dpi=300, bbox_inches='tight')
# ...
# SVG(适合矢量编辑)
plt.savefig('chart.svg', bbox_inches='tight')
# ...
# PDF(适合打印)
plt.savefig('chart.pdf', bbox_inches='tight')
# ...
# 透明背景
plt.savefig('chart.png', dpi=300, transparent=True)

最佳实践

1. DPI 设置:出版级图表用 300 DPI,网页用 72-150 DPI
2. figure 大小:宽高比建议 10:6 或 12:8(英寸)
3. tight_layout:保存前调用 plt.tight_layout() 防止标签截断
4. bbox_inches:savefig 时设置 bbox_inches='tight' 避免内容裁剪
5. 颜色选择:使用色盲友好色板(如 seaborn 的 colorblind)
6. 中文显示:配置中文字体 plt.rcParams['font.sans-serif'] = ['SimHei']

常见问题

Q: 中文显示为方框怎么办?

A: 配置 matplotlib 中文字体。plt.rcParams['font.sans-serif'] = ['SimHei'](Windows)或 ['Arial Unicode MS'](macOS)。同时设置 plt.rcParams['axes.unicode_minus'] = False 解决负号显示问题.

Q: 图表标签被截断?

A: 在 savefig 前调用 plt.tight_layout(),并添加 bbox_inches='tight' 参数.

Q: plotly 图表如何导出静态图片?

A: 需要安装 kaleido 包(pip install kaleido),然后使用 fig.write_image('chart.png') 导出.

Q: 多个子图怎么排列?

A: 使用 plt.subplots(rows, cols) 创建多子图。例如 fig, axes = plt.subplots(2, 2, figsize=(12, 10)) 创建 2x2 布局.

依赖说明

运行环境

• Agent平台: 支持 SKILL.md 的任意 AI Agent(Claude Code / Cursor / Codex / Gemini CLI 等)
• 操作系统: Windows / macOS / Linux
• Python: 3.8+

第三方依赖

API Key 配置

• 本 Skill 无需 API Key
• 纯本地绘图,不涉及外部 API 调用

可用性分类

• 分类: MD+EXEC(Markdown指令 + 命令行执行)
• 说明: 通过自然语言指令驱动 Agent 生成 Python 可视化代码并执行
• 限制: 免费版不支持交互式仪表盘、大数据可视化与实时数据流图表

错误处理

已知限制

• 需LLM支持,无LLM环境不可用
• 复杂业务场景建议结合人工经验判断
• 执行效率受模型能力与网络环境影响
• 当前为免费版本,如需完整功能请升级到付费版获取全部能力

示例

基本用法

输出：返回执行结果,包含操作状态和输出数据

用户: 执行核心功能
Skill: 正在执行核心功能...
Skill: 执行完成,结果如下: 操作成功

输出格式

{
  "success": true,
  "data": {
    "result": "Python数据可视化-免费版处理结果",
    "execution_time": "0.5s",
    "metadata": {
      "version": "1.0",
      "processor": "python dataviz"
    }
  },
  "execution_log": ["解析输入参数", "执行核心处理", "格式化输出结果"],
  "error": null
}