matplotlib

matplotlib スキルの概要

matplotlib は何のためのものか

matplotlib スキルは、「それっぽいグラフ」ではなく、プロットを細かく制御したい Python ユーザー向けです。軸、ラベル、凡例、色、レイアウト、出力形式まで自在に調整でき、静的・アニメーション・インタラクティブな可視化を作成できます。

最適な用途と、実際にやりたい仕事

matplotlib スキルを使うのは、データを信頼できて再利用でき、さらに公開できる図にしたいときです。たとえば、科学論文向けのプロット、Python ワークフローに組み込まれたダッシュボード、複数パネルの解析図、独自のチャートタイプなどが該当します。特に matplotlib for Data Analysis では、厳密な書式設定と再現性のある出力が必要な場面で力を発揮します。

汎用プロンプトではなく matplotlib を選ぶ理由

一般的なプロット指示と比べて、matplotlib スキルが有利なのは、Figure/Axes モデル、サブプロット構成、PNG/PDF/SVG への保存、そしてデータセットが変わっても壊れにくい“一回きり”ではないコードを重視するときです。seaborn よりも主張が少なく、plotly よりも手作業が多いですが、カスタマイズ性を重視するならそのトレードオフに価値があります。

matplotlib スキルの使い方

インストールして、核となる指示を確認する

matplotlib スキルは次のコマンドで追加します。

npx skills add K-Dense-AI/claude-scientific-skills --skill matplotlib

その後は、まず SKILL.md を読みます。この repo には rules/、resources/、補助スクリプトはないため、主な情報源は skill 本体と、そこに埋め込まれた例です。

スキルに適切な入力を与える

良いプロンプトでは、プロットの目的、データの形、想定読者、出力条件を明示します。たとえば次のように書けます。“Create a 2-panel matplotlib figure for a paper: line plot of temperature over time and a scatter plot of error vs. prediction, using a clean serif style, shared x-axis, legend outside the axes, and export as SVG.”

コードからではなく、ワークフローから始める

matplotlib の使い方は、たいてい次の順番がいちばん安定します。図の目的を決める → 適切な API（手早い作業なら pyplot、再利用するコードなら OO API）を選ぶ → 各データ系列をどの axes に載せるか決める → ラベル、目盛り、余白、書き出し設定を詰める。単に「プロットを作って」とだけ頼むと、後から手直しが必要なデフォルト設定が出やすくなります。

repo で最初に読むべき箇所

まず SKILL.md を読み、そのうえで「いつこの skill を使うか」「基本概念」「オブジェクト階層」のセクションに注目してください。ここは、プロンプトの組み立て方と、figure レベルの操作と axis レベルの操作を混同しないために特に重要です。

matplotlib スキル FAQ

matplotlib はどんなチャートにも向いている？

いいえ。matplotlib は、最速で見栄えのよい図を作るためではなく、制御性と互換性が必要なときに使います。素早く統計可視化を作るだけなら、seaborn ベースのワークフローのほうが簡単なことが多いです。インタラクティブに試したいなら、plotly のほうが向いている場合が多いです。

Python にかなり詳しくないと使えない？

基本的な Python の知識があれば望ましいですが、自分のデータと欲しい出力を明確に説明できるなら、初心者でも matplotlib スキルは使えます。つまずきやすいのは構文そのものより、レイアウト、ラベル、書き出し条件を十分に指定できないことです。

matplotlib は普通のプロンプトとどう違う？

普通のプロンプトでも動くコード片は出せますが、matplotlib スキルなら、figure の構成、カスタマイズ、論文・資料向けの出力に関する試行錯誤を減らしやすくなります。複数レイヤー、サブプロット、形式制約がある図のように、一般的な回答では脆くなりやすい場面で特に価値があります。

matplotlib スキルを使わないほうがいいのはいつ？

ブラウザ上での操作、素早い探索用ダッシュボード、あるいは最小限のコードで高度に装飾された統計図が必要な場合は、matplotlib に固定しないでください。見た目重視で内容がシンプルなら、別の可視化ツールのほうが早いことがあります。

matplotlib スキルを改善する方法

スタイリングより先に figure を指定する

良い結果を得るには、まず図の仕事を明確にします。チャートの種類、パネル数、想定読者、最終的な形式をはっきり書いてください。「きれいにして」では弱く、“Make a 3-panel matplotlib figure for a report, with shared legend, compact spacing, and PDF export” のように具体化したほうがずっと良いです。

データの形と失敗しやすい制約を伝える

データが DataFrame なのか、配列なのか、グループ化カテゴリなのか、時系列なのか、不規則な測定値なのかを伝えてください。さらに、「欠損値があっても動くこと」「seaborn は使わないこと」「ダーク背景を使うこと」「1ページに収めること」のような制約も重要です。こうした情報がないと、見た目はよくても使えない出力になりがちです。

品質を左右する判断を依頼する

matplotlib usage をより良くしたいなら、図の品質を変える判断を指定してください。たとえば、目盛りの密度、カラーパレット、軸範囲、注釈の付け方、グリッド線の表示有無、tight_layout と constrained_layout のどちらを使うか、などです。ここが、下書きレベルの図と実用的な図を分けます。

正しさの確認から仕上げへ、段階的に詰める

最初にデータの対応が正しいかを確認し、その後で見やすさを上げ、最後に書き出し設定を調整します。よくある失敗は、軸ラベルの誤り、凡例の詰め込みすぎ、複数パネル図でのレイアウト衝突です。最初の出力がかなり近いなら、プロンプト全体を書き直すのではなく、狙いを絞った1点修正を依頼してください。