AI Skill 大全

科研数据制图

帮选诚实的图表编码、检查颜色与可及性,输出更适合论文/报告的科研图(含误差/缺失数据表示)。

功能与用途

该技能用于指导并生成真实、合规且无视觉误导的出版级科研数据图表。基于输入的实验数据与目标期刊要求,协助选择准确的视觉编码形式(如基线设定、对数轴、双轴规避),规范呈现样本误差范围、置信区间及缺失值。支持利用 Matplotlib、Seaborn 或 Plotly 输出符合无障碍对比度与版面尺寸要求的矢量或高清图片,使用需具备 Python 3.11+ 运行环境。

适用场景

  • 论文多面板实验数据图版编排:将对照组与处理组的多组观测指标组合排版,统一坐标跨度与图例样式,生成整齐规范的多子图。
  • 不确定性与缺失数据诚实编码:为散点或折线图合理标注标准差、置信区间及样本量,并对删失或缺失数据采用合规的空隙与样式呈现。
  • 期刊投稿图表无障碍色彩审查:将图表配色调整为色盲友好色板,强化线条样式与标记差异,确保在黑白打印和屏幕阅读下均清晰可辨。

适用人群

  • 研究者
  • 数据分析
  • 学术作者

使用步骤

  1. 定义证据与去向(受众/期刊/变量/缺失)。
  2. 选诚实编码(位置优先、含零、不确定性命名)。
  3. 设计可及性(颜色+标记/线型)。
  4. 输出适合论文的科研图。

开始使用

将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。

查看 MCP 接入说明

技术信息

分类
设计
适用工具
Codex、Claude Code、OpenClaw、Hermes、国内 Agent
使用难度
简单
版本
main
最近更新
2026-09-12
文件数
3
安装包大小
自动生成 ZIP
安全检查
基础检查通过

Create and audit truthful, accessible, publication-ready scientific figures with Matplotlib, Seaborn, or Plotly. Use for figure design, multi-panel layouts, uncertainty and missing-data displays, color/contrast review, image metadata validation, and journal export planning.

使用前准备

  • 研究数据与变量语义
  • (出版)期刊与最终宽度

依赖与权限

  • 读取用户主动提供的内容

同类 Skill