Python数据可视化-免费版

Python 数据可视化工具免费版,面向个人开发者与数据分析师。核心能力: - matplotlib 静态图表(柱状/折线/散点/饼图) - seaborn 统计可视化(箱线/小提琴/KDE) - plotly 交互式图表 - 多子图布局与样式定制 - CSV/字典/NumPy 数据源支持 - PNG/SVG/PDF 导出适用场景: - 数据分析与报告制作 - 学术论文图表绘制 - 个人项目数据可视化差异化:免费版提供核心图表能力

天轰穿@thcjp

Install

openclaw skills install @thcjp/python-dataviz-tool-free

Python 数据可视化 - 免费版

概述

Python 数据可视化工具免费版使用 matplotlib、seaborn、plotly 三大主流库创建专业图表。支持柱状图、折线图、散点图、饼图、直方图、热力图等常见图表类型,适合数据分析、报告制作与学术绘图.

核心能力

1. matplotlib 静态图表

全控制静态图表,支持多面板、自定义样式、标注注释,导出 PNG/SVG/PDF.

处理: 解析matplotlib 静态图表的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回matplotlib 静态图表的响应数据,包含状态码、结果和日志.

执行此能力时使用input_params参数,支持创建/查询/导出操作

2. seaborn 统计可视化

内置美观默认样式,支持分布图、分类图、关系图、矩阵图等统计可视化.

处理: 解析seaborn 统计可视化的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回seaborn 统计可视化的响应数据,包含状态码、结果和日志.

执行此能力时使用input_params参数,支持创建/查询/导出操作

3. plotly 交互式图表

支持悬停提示、缩放、平移,可导出 HTML 交互式页面.

处理: 解析plotly 交互式图表的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回plotly 交互式图表的响应数据,包含状态码、结果和日志.

执行此能力时使用input_params参数,支持创建/查询/导出操作

4. 多子图布局

灵活的多面板布局,支持 2x2、3x3 等网格排列.

处理: 解析多子图布局的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回多子图布局的响应数据,包含状态码、结果和日志.

执行此能力时使用input_params参数,支持创建/查询/导出操作

5. 多数据源支持

支持 CSV 文件、Python 字典、NumPy 数组、pandas DataFrame.

处理: 解析多数据源支持的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回多数据源支持的响应数据,包含状态码、结果和日志. 技术参数：使用input_params和output_format参数控制执行行为,支持json/text/csv输出格式. 能力覆盖范围：本skill的核心能力覆盖以下场景关键词：创建专业图表、支持柱状图、折线图、散点图与热力图、数据可视化工具免、面向个人开发者与、数据分析师、核心能力、小提琴、KDE、多子图布局与样式等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持.

使用场景

场景一:从 CSV 数据创建折线图

输入格式

参数名	类型	必填	说明
input	string	是	Python数据可视化-免费版处理的输入数据或指令
options	object	否	附加配置选项,如模式选择、格式偏好等
callback_url	string	否	异步处理完成后的回调通知URL

python

import pandas as pd
import matplotlib.pyplot as plt
# ...
# 读取 CSV 数据
df = pd.read_csv('sales_data.csv')
# ...
# 创建折线图
plt.figure(figsize=(10, 6))
plt.plot(df['date'], df['revenue'], linewidth=2, color='#667eea')
plt.title('月度营收趋势', fontsize=16, fontweight='bold')
plt.xlabel('日期')
plt.ylabel('营收 (元)')
plt.grid(alpha=0.3)
plt.xticks(rotation=45)
plt.tight_layout()
# ...
plt.savefig('revenue_trend.png', dpi=300, bbox_inches='tight')

场景二:使用 seaborn 绘制统计分布图

python

import seaborn as sns
import matplotlib.pyplot as plt
# ...
# 设置样式
sns.set_theme(style="whitegrid")
sns.set_palette("husl")
# ...
# 示例
tips = sns.load_dataset("tips")
# ...
# 创建箱线图
plt.figure(figsize=(8, 6))
sns.boxplot(data=tips, x='day', y='total_bill')
plt.title('每日账单分布')
plt.savefig('bill_distribution.png', dpi=300)

场景三:创建交互式 plotly 图表

python

import plotly.express as px
import pandas as pd
# ...
# 创建数据
df = pd.DataFrame({
    '产品': ['A', 'B', 'C', 'D'],
    '销量': [120, 180, 90, 150],
    '利润': [30, 45, 20, 38]
})
# ...
# 创建交互式散点图
fig = px.scatter(df, x='销量', y='利润', text='产品',
                 title='产品销量与利润关系')
fig.update_traces(textposition='top center')
fig.write_html('product_scatter.html')

不适用场景

以下场景Python数据可视化-免费版不适合处理：

实时流数据处理
小规模数据手动分析
非结构化文本情感分析

触发条件

需要数据分析、报表生成、统计洞察、数据可视化时使用。不适用于非本工具能力范围的需求.

快速开始

阅读## 核心能力章节了解skill功能
按## 依赖说明配置环境
执行所需能力对应的命令
参考## 错误处理章节处理异常
查看## FAQ解答常见疑问

环境搭建

bash

# 创建虚拟环境
python3 -m venv .venv
source .venv/（请参考skill目录中的脚本文件）  # Linux/macOS
# .venv\Scripts\activate   # Windows
# ...
# 依赖说明
pip install matplotlib seaborn plotly pandas numpy

创建第一个图表

python

import matplotlib.pyplot as plt
import numpy as np
# ...
# 生成数据
x = np.linspace(0, 10, 100)
y = np.sin(x)
# ...
# 绘图
plt.figure(figsize=(10, 6))
plt.plot(x, y, linewidth=2, color='#667eea')
plt.title('正弦波', fontsize=16)
plt.xlabel('X 轴')
plt.ylabel('Y 轴')
plt.grid(alpha=0.3)
plt.tight_layout()
# ...
# 保存
plt.savefig('sine_wave.png', dpi=300, bbox_inches='tight')
plt.savefig('sine_wave.svg', bbox_inches='tight')

配置示例

图表选择指南

数据关系	推荐图表	函数
趋势变化	折线图	`plt.plot()` / `sns.lineplot()`
数值比较	柱状图	`plt.bar()` / `sns.barplot()`
相关性	散点图	`plt.scatter()` / `sns.scatterplot()`
占比	饼图	`plt.pie()`
分布	直方图/KDE	`plt.hist()` / `sns.kdeplot()`
统计分布	箱线/小提琴	`sns.boxplot()` / `sns.violinplot()`
矩阵数据	热力图	`sns.heatmap()`
回归关系	回归图	`sns.regplot()` / `sns.lmplot()`

样式配置

python

# 设置 seaborn 主题
sns.set_theme()
sns.set_style("whitegrid")  # whitegrid, darkgrid, white, dark, ticks
sns.set_palette("deep")     # deep, muted, pastel, bright, dark, colorblind
# ...
# 设置 matplotlib 样式
plt.style.use('seaborn-v0_8-darkgrid')  # ggplot, bmh, fivethirtyeight
# ...
# 自定义颜色
colors = ['#667eea', '#764ba2', '#f6ad55', '#4299e1']

导出格式

python

# PNG(适合网页)
plt.savefig('chart.png', dpi=300, bbox_inches='tight')
# ...
# SVG(适合矢量编辑)
plt.savefig('chart.svg', bbox_inches='tight')
# ...
# PDF(适合打印)
plt.savefig('chart.pdf', bbox_inches='tight')
# ...
# 透明背景
plt.savefig('chart.png', dpi=300, transparent=True)

最佳实践

DPI 设置:出版级图表用 300 DPI,网页用 72-150 DPI
figure 大小:宽高比建议 10:6 或 12:8(英寸)
tight_layout:保存前调用 plt.tight_layout() 防止标签截断
bbox_inches:savefig 时设置 bbox_inches='tight' 避免内容裁剪
颜色选择:使用色盲友好色板(如 seaborn 的 colorblind)
中文显示:配置中文字体 plt.rcParams['font.sans-serif'] = ['SimHei']

常见问题

Q: 中文显示为方框怎么办?

A: 配置 matplotlib 中文字体。plt.rcParams['font.sans-serif'] = ['SimHei'](Windows)或 ['Arial Unicode MS'](macOS)。同时设置 plt.rcParams['axes.unicode_minus'] = False 解决负号显示问题.

Q: 图表标签被截断?

A: 在 savefig 前调用 plt.tight_layout(),并添加 bbox_inches='tight' 参数.

Q: plotly 图表如何导出静态图片?

A: 需要安装 kaleido 包(pip install kaleido),然后使用 fig.write_image('chart.png') 导出.

Q: 多个子图怎么排列?

A: 使用 plt.subplots(rows, cols) 创建多子图。例如 fig, axes = plt.subplots(2, 2, figsize=(12, 10)) 创建 2x2 布局.

依赖说明

运行环境

Agent平台: 支持 SKILL.md 的任意 AI Agent(Claude Code / Cursor / Codex / Gemini CLI 等)
操作系统: Windows / macOS / Linux
Python: 3.8+

第三方依赖

依赖项	类型	是否必需	获取方式
Python 3	运行时	必需	官方网站下载
matplotlib	绘图库	必需	pip install matplotlib
seaborn	统计绘图	推荐	pip install seaborn
plotly	交互绘图	推荐	pip install plotly
pandas	数据处理	推荐	pip install pandas
numpy	数值计算	必需	pip install numpy
kaleido	plotly导出	可选	pip install kaleido
LLM API	API	必需	由Agent内置LLM提供

API Key 配置

本 Skill 无需 API Key
纯本地绘图,不涉及外部 API 调用

可用性分类

分类: MD+EXEC(Markdown指令 + 命令行执行)
说明: 通过自然语言指令驱动 Agent 生成 Python 可视化代码并执行
限制: 免费版不支持交互式仪表盘、大数据可视化与实时数据流图表

错误处理

错误场景	原因	处理方式
配置错误	参数缺失或格式错误	检查依赖说明中的配置要求
运行时错误	运行环境不满足	确认运行环境符合依赖说明
网络错误	连接超时或不可达	执行ping命令测试网络连通性,检查防火墙和代理设置连接后执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令，参考国内替代方案

已知限制

需LLM支持,无LLM环境不可用
复杂业务场景建议结合人工经验判断
执行效率受模型能力与网络环境影响
当前为免费版本,如需完整功能请升级到付费版获取全部能力

示例

基本用法

输出：返回执行结果,包含操作状态和输出数据

text

用户: 执行核心功能
Skill: 正在执行核心功能...
Skill: 执行完成,结果如下: 操作成功

输出格式

json

{
  "success": true,
  "data": {
    "result": "Python数据可视化-免费版处理结果",
    "execution_time": "0.5s",
    "metadata": {
      "version": "1.0",
      "processor": "python dataviz"
    }
  },
  "execution_log": ["解析输入参数", "执行核心处理", "格式化输出结果"],
  "error": null
}

Python数据可视化-免费版

Install

Python 数据可视化 - 免费版

概述

核心能力

1. matplotlib 静态图表

2. seaborn 统计可视化

3. plotly 交互式图表

4. 多子图布局

5. 多数据源支持

使用场景

场景一:从 CSV 数据创建折线图

输入格式

场景二:使用 seaborn 绘制统计分布图

场景三:创建交互式 plotly 图表

不适用场景

触发条件

快速开始

环境搭建

创建第一个图表

配置示例

图表选择指南

样式配置

导出格式

最佳实践

常见问题

Q: 中文显示为方框怎么办?

Q: 图表标签被截断?

Q: plotly 图表如何导出静态图片?

Q: 多个子图怎么排列?

依赖说明

运行环境

第三方依赖

API Key 配置

可用性分类

错误处理

已知限制

示例

基本用法

输出格式

Related skills