matplotlib
作者 K-Dense-AI這個 matplotlib 技能專為 Python 繪圖而設，能完整控制座標軸、標籤、圖例、版面配置與匯出格式。適合科學圖表、多面板分析、自訂圖表類型，以及需要比一般圖表提示更高精準度的可重現視覺化。對於 Data Analysis 與可直接用於發表的圖表，它是一份很強的 matplotlib 指南。
這個技能評分 82/100，代表它很適合需要 Matplotlib 專屬技能、而不是泛用繪圖提示的使用者。這個儲存庫提供足夠的工作流程指引、範圍界定與操作細節，能幫助代理正確觸發並更少依賴猜測地使用它。
- 使用邊界清楚：frontmatter 明確說明它適合用於精細、出版級的繪圖，並指引其他情境改用 seaborn、plotly 或 scientific-visualization。
- 工作流程內容充實：技能正文篇幅長、標題完整，涵蓋核心概念與實作繪圖指引，而不是空白佔位內容。
- 安裝決策判斷清楚：明確列出具體圖表類型、匯出格式，以及子圖、3D、動畫與 Jupyter/GUI 整合等常見用途。
- 沒有安裝命令或相依檔案，因此使用者能拿到技能內容，但看不到明確的設定流程或支援資產。
- 這個儲存庫看起來只是此技能的文件內容，因此是否採用取決於使用者本來就想要 Matplotlib 指引，而不是已打包好的自動化功能。
matplotlib 技能概覽
matplotlib 是拿來做什麼的
matplotlib 技能是給需要精準控制圖表的 Python 使用者用的，不只是做出「看起來還可以」的圖。它能讓你建立靜態、動畫或互動式視覺化，並完整掌握座標軸、標籤、圖例、顏色、版面配置與輸出格式。
最適合的情境與實際任務
當你的目標是把資料做成一張可以信賴、可重複使用、也能正式發佈的圖時，就該用 matplotlib 技能：像是科學繪圖、嵌入 Python 工作流程的儀表板、多面板分析，或客製化圖表類型。當你需要精準格式控制與可重現輸出時，matplotlib for Data Analysis 特別實用。
為什麼選 matplotlib，而不是一般提示詞
和一般繪圖提示詞相比，matplotlib 技能在你在意 Figure/Axes 模型、子圖結構、存成 PNG/PDF/SVG，以及避免那種跨資料集就壞掉的一次性程式碼時，更有優勢。它比 seaborn 更少預設立場，也比 plotly 更偏手動；當客製化很重要時，這正是你要的取捨。
如何使用 matplotlib 技能
安裝並找到核心說明
使用以下指令安裝 matplotlib 技能：
npx skills add K-Dense-AI/claude-scientific-skills --skill matplotlib
接著先讀 SKILL.md。這個 repo 沒有支援性的 rules/、resources/ 或 helper scripts，所以真正的重點在 skill 本體，以及其中內嵌的範例。
給技能正確的輸入
好的提示詞會先說清楚圖表目標、資料形狀、受眾與輸出限制。比如說：「幫我做一張給論文用的 2-panel matplotlib 圖：左邊是溫度隨時間變化的折線圖，右邊是誤差對預測值的散點圖；風格要乾淨、使用 serif 字型、共用 x 軸、圖例放在座標軸外，並輸出成 SVG。」
先從工作流程想，不要先從程式碼想
最好的 matplotlib 用法通常是這個順序：先定義圖表目的，再選對 API（pyplot 適合快速作業，OO API 適合可重用程式碼），接著把每個資料序列對應到正確的座標軸，最後再調整標籤、刻度、間距與輸出設定。如果你只說「幫我畫一張圖」，通常只會拿到一堆預設值，之後還得自己整理。
先讀 repo 裡的哪些內容
先從 SKILL.md 開始，再聚焦在關於何時使用這個技能、核心概念，以及物件階層的章節。這些內容最重要，因為它們會告訴你該怎麼組織提示詞，並避免把 Figure 層級和 Axes 層級的操作混在一起。
matplotlib 技能 FAQ
matplotlib 適合所有圖表嗎？
不適合。當你需要的是控制力與相容性，而不是最快做出好看的圖時，才用 matplotlib。如果你只是想快速做出統計圖，偏 seaborn 的流程通常更省事；如果你要互動式探索，plotly 往往更合適。
我需要很熟 Python 才能用嗎？
會一點基本 Python 當然有幫助，但只要能清楚描述資料與想要的輸出，初學者也能使用 matplotlib 技能。真正的門檻通常不是語法，而是沒有把版面、標籤和輸出需求說清楚。
matplotlib 和一般提示詞有什麼差別？
一般提示詞可能也能產生可執行片段，但 matplotlib 技能應該能減少你在圖表結構、客製化與發佈輸出上的猜測。當圖表有多層、子圖，或格式限制讓一般答案太脆弱時，它的價值最高。
什麼情況下不該用 matplotlib 技能？
如果你需要瀏覽器內互動、快速探索式儀表板，或是用很少程式碼就做出高度風格化的統計圖，就不要預設用 matplotlib。如果任務主要是視覺風格，而且很單純，其他視覺化工具可能更快。
如何改進 matplotlib 技能
先把圖表任務講清楚，再談樣式
最好的結果來自清楚定義圖表任務：圖表類型、面板數量、目標受眾與最終格式。「幫我做得漂亮一點」太弱；「幫我做一張給報告用的 3-panel matplotlib 圖，包含共用圖例、緊湊間距，以及 PDF 輸出」就具體得多。
提供資料形狀與失敗限制
要說明你的資料是 DataFrame、arrays、分組類別、時間序列，還是不規則量測值。也要補上限制，例如「必須能處理缺失值」、「不要用 seaborn」、「使用深色背景」或「要能放進一頁」。這些細節可以避免輸出看起來對，但實際上不能用。
請求那些會影響品質的決策
如果你想要更好的 matplotlib usage，就直接要求那些會改變圖表品質的選擇：刻度密度、配色盤、座標軸範圍、註記策略、格線是否顯示，以及要用 tight_layout 還是 constrained_layout。這些部分，正是草稿圖和可用圖之間的差異。
先修正圖表正確性，再做美化
先確認資料對應是否正確，再改善可讀性，最後調整輸出設定。常見失敗模式包括座標軸標錯、圖例太擠，以及多面板圖的版面重疊。如果第一版已經很接近，就針對單一問題做一次修正，不要整個提示詞重寫。