data-viz-plots
Twórz profesjonalne wykresy naukowe w matplotlib i seaborn, kompatybilne z każdym dostawcą LLM.
Instalacja
Wybierz klienta i sklonuj repozytorium do odpowiedniego katalogu skilli.
Instalacja
O skillu
Umiejętność do generowania publikacyjnych wizualizacji danych — wykresy punktowe, mapy ciepła, wykresy skrzypcowe, słupkowe i wielopanelowe. Wykonuje się lokalnie w Twoim środowisku, bez zależności od chmury, dlatego działa z GPT, Gemini, Claude, DeepSeek i innymi. Idealna do analiz eksploracyjnych, raportów naukowych i prezentacji wysokiej jakości.
Jak używać
Zainstaluj biblioteki Pythona: matplotlib, seaborn, pandas i numpy. Umiejętność wymaga tych pakietów do działania.
Zaimportuj wymagane moduły na początku skryptu: matplotlib.pyplot, seaborn, pandas, numpy oraz matplotlib.gridspec i matplotlib.patches. Ustaw styl dla publikacyjnych wykresów, np. sns.set_style("whitegrid"), i skonfiguruj rozdzielczość: plt.rcParams['figure.dpi'] = 150 i plt.rcParams['savefig.dpi'] = 300.
Przygotuj dane w postaci tabeli pandas lub tablic numpy. Upewnij się, że kolumny zawierają wartości numeryczne do wizualizacji.
Utwórz figurę i osie za pomocą plt.subplots(), określając rozmiar figury (np. figsize=(6, 5)). Dodaj odpowiedni typ wykresu: scatter() dla punktów, heatmap() dla map ciepła, violinplot() dla skrzypców lub barplot() dla słupków.
Sformatuj wygląd: dodaj etykiety osi (set_xlabel, set_ylabel), tytuł (set_title), siatkę (grid) i ukryj górne i prawe krawędzie (spines). Dostosuj kolory, czcionki i przezroczystość według potrzeb.
Zapisz wykres w wysokiej rozdzielczości: plt.tight_layout() i plt.savefig('nazwa.png', dpi=300). Możesz tworzyć wielopanelowe figury łącząc wiele podwykresów w jednej figurze.