data-viz-plots

此資料視覺化技能協助使用者在本地開發環境中直接建立專業、可供發表的圖表。透過 Python 標準庫 matplotlib 與 seaborn，代理程式可將原始資料轉換為適用於學術論文、產業報告與探索性資料分析 (EDA) 的高解析度視覺化圖表。由於運算完全在本地執行，此技能具有完全的中立性，適用於包含 Claude、GPT、Gemini、DeepSeek 與 Qwen 等所有主流 LLM，無需依賴雲端託管的視覺化工具。

本技能提供建立各類圖表的完整框架，包含散點圖、折線圖、箱型圖、小提琴圖、帶誤差線的長條圖及熱力圖。對於需要精確控制圖表美學（如字型、色彩配置、列印解析度、網格設定）的研究人員、資料科學家與開發者來說，這是極佳的工具。透過與 pandas 和 numpy 整合的程式碼模式，使用者能以可重現的方式視覺化基因表現資料、分群結果、品質管制指標或時間序列分析結果。

• 產生符合出版標準的圖表，支援自定義 DPI、字型大小與排版風格。

• 透過 gridspec 支援多面板圖表製作，可建立複雜的儀表板式視覺化佈局。

• 相容於科學計算標準 Python 堆疊：matplotlib、seaborn、pandas 與 numpy。

• 支援本地執行，確保資料隱私並擺脫對專有平台工具的依賴。

• 提供高解析度影像匯出選項，最佳化印刷與數位報告格式。

• 內含專用於統計視覺化的程式碼範本，如小提琴圖、箱型圖及具標註的熱力圖。

• 在呼叫視覺化方法前，請確保所有輸入資料已整理為 pandas DataFrame 或 numpy 陣列。

• 使用建議的模板設定（例如 sns.set_style('whitegrid')）以維持視覺資產的一致性。

• 務必明確定義圖表大小與解析度 (DPI) 參數，以符合期刊或出版品要求。

• 本技能設計於本地執行；請確認執行環境已安裝必要的 Python 套件 (matplotlib, seaborn, pandas)。

• 製作多面板圖表時，請利用 gridspec 模組確保子圖的比例與對齊正確。