data-viz-plots

此数据可视化技能协助用户在本地开发环境中直接建立专业、可供发表的图表。通过 Python 标准库 matplotlib 与 seaborn，代理程序可将原始资料转换为适用于学术论文、产业报告与探索性资料分析 (EDA) 的高分辨率可视化图表。由于运算完全在本地执行，此技能具有完全的中立性，适用于包含 Claude、GPT、Gemini、DeepSeek 与 Qwen 等所有主流 LLM，无需依赖云端托管的可视化工具。

本技能提供建立各类图表的完整框架，包含散点图、折线图、箱型图、小提琴图、带误差线的条形图及热力图。对于需要精确控制图表美学（如字型、色彩配置、打印分辨率、网格设定）的研究人员、资料科学家与开发者来说，这是极佳的工具。通过与 pandas 和 numpy 整合的程序代码模式，用户能以可重现的方式可视化基因表现资料、分群结果、质量管制指标或时间序列分析结果。

• 产生符合出版标准的图表，支援自定义 DPI、字型大小与排版风格。

• 通过 gridspec 支援多面板图表制作，可建立复杂的仪表板式可视化布局。

• 相容于科学计算标准 Python 堆栈：matplotlib、seaborn、pandas 与 numpy。

• 支援本地执行，确保资料隐私并摆脱对专有平台工具的依赖。

• 提供高分辨率影像汇出选项，最佳化印刷与数字报告格式。

• 内含专用于统计可视化的程序代码范本，如小提琴图、箱型图及具标注的热力图。

• 在呼叫可视化方法前，请确保所有输入资料已整理为 pandas DataFrame 或 numpy 数组。

• 使用建议的模板设定（例如 sns.set_style('whitegrid')）以维持视觉资产的一致性。

• 务必明确定义图表大小与分辨率 (DPI) 参数，以符合期刊或出版品要求。

• 本技能设计于本地执行；请确认执行环境已安装必要的 Python 套件 (matplotlib, seaborn, pandas)。

• 制作多面板图表时，请利用 gridspec 模块确保子图的比例与对齐正确。