科研绘图助手
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_1570b1d3/cjs-test1。
技能介绍
要解决的问题
科研绘图里,真正的麻烦往往不是画出一张图,而是代码能否直接在本地运行、注释是否能说明每一步、配色是否适合论文发表。这个技能面向 数据分析图表,把自然语言描述转换成 Python matplotlib 代码,减少从想法到可复现代码之间的来回修改。
技能如何工作
- 输入字段:
text为必填项,用来描述图表类型、数据关系、坐标轴含义、标题、图例、配色等;session_id为可选字段。 - 输出字段:
content返回 Python 绘图代码与说明。 - 核心约束:代码应可直接运行,注释清晰,配色适合学术论文发表。
- 使用方式:把数据含义和图表要求写清楚,例如折线趋势、柱状对比、散点分布或分组比较,再生成代码后在本地运行检查。
适用边界与注意点
- 它围绕
matplotlib数据分析绘图展开,不适合作为完整统计建模、交互式可视化或复杂图形工程方案。 - 生成代码后,需要确认本地已安装
matplotlib、numpy等依赖,且数据文件路径、列名与描述一致。 - 针对期刊出版,字体、字号、图例位置、坐标范围与文件分辨率仍需按目标要求二次调整。
使用场景
- 论文方法部分前,把两组实验数据描述成折线趋势图并生成 matplotlib 代码。
- 组会汇报时,需要把分类指标对比快速画成柱状图,并让注释说明坐标含义。
- 审稿回复时,将相关性散点图需求转成可运行的 Python 绘图脚本。
- 数据清洗后,用一句话描述分组趋势,得到带清晰注释的 matplotlib 代码。
适合人员
- 准备期刊论文的研究生:需要把实验结果转成可运行且注释清楚的 matplotlib 图。
- 做数据分析的科研人员:想从图表描述快速得到适合论文配色的 Python 绘图代码。
- 指导学生的实验室成员:需要把数据趋势讲清楚,并给出可复现代码供组内使用。
- 技术写作人员:为方法章节生成数据图代码,并检查本地依赖与运行结果。