Matplotlib

visualization-expert 是一款輕量技能，提供圖表選型、資料視覺化最佳實務，以及 matplotlib 或 plotly 範例程式碼。你可以用它挑選更合適的圖表、檢視儀表板設計，並透過單一 `SKILL.md` 檔取得清楚、易懂且兼顧可近性的視覺化指引。

使用 sympy 技能在 Python 中進行精確的符號數學運算，涵蓋代數、微積分、矩陣、物理公式、數論、幾何與程式碼生成。它能幫助你維持表達式的精確性、選對 SymPy 模組，並避免過度依賴浮點數造成的錯誤。最適合需要實用 sympy 指南來處理符號工作流程，以及在 Data Analysis 中使用 sympy 的使用者。

qutip 是一套用於開放量子系統、耗散、時間演化與量子光學的 Python 量子物理模擬技能。可將這份 qutip 指南用於主方程、Lindblad 動力學、退相干、腔體 QED、態/算符模擬，以及 Scientific Python 範例。非以電路式量子運算為目標。

用於模型可解釋性與可解釋 AI 的 shap 技能。可用來理解預測結果、計算特徵歸因、選擇 SHAP 圖表，並針對樹模型、線性模型、深度學習模型與黑箱模型的資料分析情境，除錯模型行為。

Seaborn 是一個用於 Python 統計視覺化的 seaborn 技能，支援與 pandas 相容的輸入，並提供很好的預設值。適合快速探索分佈、關係、類別比較、箱型圖、提琴圖、成對圖與熱圖。底層建立於 matplotlib，可輸出適合出版的靜態圖表。

scikit-learn 幫助你在 Python 中建立經典機器學習流程。這個 scikit-learn 技能可用於分類、迴歸、分群、前處理、模型評估、超參數調校與管線。它是一份實用的 scikit-learn 指南，特別適合表格資料與可重複的模型開發。

scientific-visualization 是一個用來產生可直接用於發表的圖表的 meta-skill。適合期刊投稿用的圖形需求，例如多分圖版面、顯著性標註、誤差棒、色盲友善配色，以及符合 Nature/Science/Cell 風格的排版。它會協調 matplotlib、seaborn 和 plotly，支援 Data Visualization 工作中的 scientific-visualization。

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。

matlab 技能可協助你產生、除錯與調整 MATLAB 或 GNU Octave 程式碼，涵蓋矩陣運算、資料分析、視覺化、統計、最佳化與科學運算。適合需要可執行的 MATLAB 用法、MATLAB 資料分析、MATLAB 轉 Python，或相容 Octave 的腳本時使用，比起一般提示詞，能更少反覆試錯。

geopandas 的 Python 地理空間向量資料分析技能，涵蓋 shapefiles、GeoJSON 與 GeoPackage 檔案。可用來讀取、清理、合併、建立緩衝區、裁切、重新投影與匯出空間資料，減少試錯。