Matplotlib

visualization-expert は、グラフ選定、可視化のベストプラクティス、matplotlib / plotly のコード例を軽量に扱えるスキルです。1つの `SKILL.md` ファイルで、より適切なチャート選び、ダッシュボードのレビュー、分かりやすくアクセシブルなデータ可視化の指針をまとめて活用できます。

sympyスキルを使って、Pythonでの厳密なシンボリック計算を行えます。代数、微積分、行列、物理式、数論、幾何、コード生成まで幅広く対応。式を厳密に保ち、適切なSymPyモジュールを選び、浮動小数点中心の誤りを避けるのに役立ちます。シンボリックなワークフローやData Analysisでのsympy活用を実践的に学びたい人に最適です。

qutip は、開放量子系、散逸、時間発展、量子光学に対応した Python の量子物理シミュレーションスキルです。マスター方程式、Lindblad ダイナミクス、デコヒーレンス、キャビティ QED、状態・演算子シミュレーション、Scientific Python の例を扱うなら、この qutip ガイドを使ってください。回路ベースの量子計算には向きません。

モデルの解釈性と説明可能AIのための shap スキルです。予測の理解、特徴量の寄与度の算出、SHAPプロットの選択、モデル挙動のデバッグに使えます。ツリー、線形、深層学習、ブラックボックスモデルを対象に、データ分析の文脈で活用できます。

Seabornは、pandasと相性のよい入力と強力なデフォルト設定を備えた、Python向け統計可視化のためのseabornスキルです。分布、関係性、カテゴリ比較、箱ひげ図、バイオリンプロット、ペアプロット、ヒートマップを素早く探索したいときに使えます。matplotlib上に構築されており、静的でそのまま掲載しやすい図を作成できます。

scikit-learn は、Python で古典的な機械学習ワークフローを構築するのに役立ちます。この scikit-learn スキルでは、分類、回帰、クラスタリング、前処理、モデル評価、ハイパーパラメータ調整、パイプラインを扱えます。表形式データで再現性の高いモデル開発を進めるための、実用的な scikit-learn ガイドです。

scientific-visualization は、掲載レベルの図を作るためのメタスキルです。ジャーナル投稿向けのプロット、複数パネルのレイアウト、有意差注記、エラーバー、色覚多様性に配慮した配色、Nature/Science/Cell 風の書式設定に使えます。matplotlib、seaborn、plotly を連携させて、Data Visualization の科学図版作成を支援します。

matplotlib を使った Python のプロット作成に強いスキルです。軸、ラベル、凡例、レイアウト、出力形式まで細かく制御できます。科学図版、複数パネルの分析、独自のチャート表現、再現性のある可視化など、汎用的なチャート指示では足りないときに役立ちます。Data Analysis で、論文・発表向けの見栄えを重視した図を作るための有力な matplotlib ガイドです。

matlab スキルを使うと、行列演算、データ分析、可視化、統計、最適化、科学計算向けの MATLAB または GNU Octave コードを生成・デバッグ・調整できます。実行可能な MATLAB の使い方、MATLAB によるデータ分析、MATLAB から Python への変換、または GNU Octave と互換性のあるスクリプトが必要で、一般的なプロンプトより試行錯誤を減らしたい場合に適しています。

Pythonでのgeopandasによる地理空間ベクターデータ分析向けスキルです。shapefiles、GeoJSON、GeoPackageファイルを扱えます。空間データの読み込み、整形、結合、バッファ作成、クリップ、再投影、書き出しを、迷いを少なく進められます。