Matplotlib

visualization-expert 是一款轻量级技能，适合用于图表选型、可视化最佳实践，以及提供 matplotlib 或 plotly 示例代码。你可以用它来挑选更合适的图表、评审仪表盘，并通过单个 `SKILL.md` 文件获取清晰、易读且兼顾可访问性的数据可视化指导。

使用 sympy 技能在 Python 中进行精确的符号数学运算，涵盖代数、微积分、矩阵、物理公式、数论、几何和代码生成。它能帮助你保持表达式精确，选择合适的 SymPy 模块，并避免大量浮点数带来的错误。适合需要一份实用 sympy 指南来处理符号工作流，以及用于 Data Analysis 的 sympy 的用户。

qutip 是一个面向开放量子系统、耗散、时间演化和量子光学的 Python 量子物理模拟技能。本 qutip 指南适用于主方程、Lindblad 动力学、退相干、腔量子电动力学、态/算符模拟以及 Scientific Python 示例。不适用于基于量子线路的量子计算。

用于模型可解释性和可解释 AI 的 shap 技能。可用来理解预测结果、计算特征归因、选择 SHAP 图表，并调试 Data Analysis 中树模型、线性模型、深度学习模型和黑盒模型的行为。

Seaborn 是一个面向 Python 统计可视化的 seaborn 技能，支持 pandas 友好的输入和强默认样式。可用于快速探索分布、关系、分类对比、箱线图、提琴图、成对图和热力图。基于 matplotlib 构建，适合生成静态、可直接用于发表的图表。

scikit-learn 可帮助你在 Python 中构建经典机器学习工作流。这个 scikit-learn 技能适用于分类、回归、聚类、预处理、模型评估、超参数调优和 pipelines。它是一份面向表格数据和可重复模型开发的实用 scikit-learn 指南。

scientific-visualization 是一个用于生成可直接用于发表图表的元技能。适合期刊投稿中的多面板布局、显著性标注、误差线、色盲友好配色，以及 Nature/Science/Cell 风格排版。它会协调 matplotlib、seaborn 和 plotly，用于 Data Visualization 相关的 scientific-visualization 工作。

用于 Python 绘图的 matplotlib 技能，可对坐标轴、标签、图例、布局和导出格式进行完整控制。适合科学图表、多面板分析、自定义图类型以及需要比通用图表提示更高精度的可复现可视化。对于数据分析和可直接用于发表的图表，它是一个很强的 matplotlib 指南。

matlab 技能可帮助你生成、调试和适配 MATLAB 或 GNU Octave 代码，适用于矩阵运算、数据分析、可视化、统计、优化和科学计算。它适合用于可直接运行的 MATLAB 用法示例、MATLAB 数据分析、MATLAB 到 Python 的转换，以及需要比通用提示更少反复试错的 Octave 兼容脚本。

面向 Python 地理空间矢量数据分析的 geopandas 技能，涵盖 shapefile、GeoJSON 和 GeoPackage 文件。可用于读取、清洗、连接、缓冲区分析、裁剪、重投影和导出空间数据，减少试错成本。