数据可视化技能 - 使用Matplotlib、Seaborn、Plotly创建专业图表 | CodeKit
data-visualization by 0xkynz/codekit
安装命令
npx skills add https://github.com/0xkynz/codekit --skill data-visualization🇨🇳中文介绍
数据可视化技能
此技能提供了创建数据可视化的能力。
快速开始
使用 matplotlib 绘制基础图表：
import matplotlib.pyplot as plt
# 简单折线图
plt.plot([1, 2, 3, 4], [1, 4, 2, 3])
plt.title("Sample Chart")
plt.savefig("chart.png")
功能
图表类型
- 折线图
- 柱状图
- 饼图
- 散点图
- 直方图
- 箱线图
- 热力图
支持的库
- Matplotlib (静态图表)
- Seaborn (统计可视化)
- Plotly (交互式图表)
- Altair (声明式可视化)
高级功能
- 多轴绘图
- 子图和网格
- 自定义主题和样式
- 注释和标签
- 导出为多种格式 (PNG, SVG, PDF)
最佳实践
- 为你的数据选择合适的图表类型
- 使用清晰的标签和标题
- 考虑色彩可访问性
- 保持可视化简洁且重点突出
- 根据预期用途以适当的分辨率导出
每周安装数
5
仓库
GitHub 星标数
1
首次出现
2026年1月31日
🇺🇸English
Data Visualization Skill
This skill provides capabilities for creating data visualizations.
Quick Start
Using matplotlib for basic charts:
import matplotlib.pyplot as plt
# Simple line chart
plt.plot([1, 2, 3, 4], [1, 4, 2, 3])
plt.title("Sample Chart")
plt.savefig("chart.png")
Capabilities
Chart Types
- Line charts
- Bar charts
- Pie charts
- Scatter plots
- Histograms
- Box plots
- Heatmaps
Libraries Supported
- Matplotlib (static charts)
- Seaborn (statistical visualizations)
- Plotly (interactive charts)
- Altair (declarative visualization)
Advanced Features
- Multi-axis plots
- Subplots and grids
- Custom themes and styling
- Annotations and labels
- Export to various formats (PNG, SVG, PDF)
Best Practices
- Choose the right chart type for your data
- Use clear labels and titles
- Consider color accessibility
- Keep visualizations simple and focused
- Export at appropriate resolution for intended use
广告位招租
在这里展示您的产品或服务
触达数万 AI 开发者，精准高效
