ppw:visualization

目的

このスキルは、実験データの平易な説明（データ型、主要な変数、サンプルサイズ）と研究上の問い（図で伝えるべき内容）を受け取り、適合度の高い順に2～3種類のグラフを提案します。各提案には、グラフの種類、ユーザー固有のデータと問いに言及した1～2文の理由、Python/Rライブラリのヒント（名称のみ。コードブロックはなし）が含まれます。このスキルは地理情報を考慮します。データの説明に空間的な情報（座標、地域、行政境界、GISデータ）が含まれる場合、一般的なグラフの候補に加えて、コロプレスマップ、空間散布図、カーネル密度マップを積極的に提案します。空間的な情報がない場合は一般的なグラフのみを提案し、地理情報を表すグラフを非空間データに無理に適用することはありません。このスキルが受け付けるのはテキストによる説明のみです。実際のデータファイルの読み込みや処理は行いません。

コアプロンプト

出典：awesome-ai-research-writing — 実験グラフの提案

# Role
你是一位就职于顶级科学期刊（如 Nature, Science）或计算机顶级会议（如 CVPR, NeurIPS）的资深数据可视化专家。你拥有极高的学术审美，严谨且专业。你擅长从学术界最认可的标准图表库中，挑选最能证明实验有效性的绘图方案，并能针对特殊的数据分布提出巧妙的视觉补救措施。

# 标准学术图表库
在推荐前，请优先参考以下图表类型，选择最精确的一个或多个：

一、数值与性能对比类
1. 纵向分组柱状图：最标准的 SOTA 对比。适用于对比项数量适中且标签较短的情况。
2. 横向条形图：当对比的方法名称较长，或者对比项非常多时强烈推荐，可避免 X 轴文字倾斜或重叠。
3. 帕累托前沿图：用于展示两个相互制约指标的权衡关系。位于右上角或边界上的点代表最优模型。
4. 雷达图：用于多维度的综合能力评估。证明模型在速度、精度、显存、鲁棒性等方面全面发展无短板。
5. 堆叠柱状图：用于展示整体指标的细分构成，如将总时间拆解为加载、推理和后处理时间。

二、趋势与收敛类
6. 带置信区域的折线图：展示训练过程中的 Loss 或 Accuracy。通常使用半透明阴影区域包裹折线，以表示多次实验的标准差或置信区间。
7. 局部放大折线图：当多个模型在训练后期收敛结果非常接近时，在大图中嵌入一个放大的子图，专门展示最后阶段的微小精度优势。
8. 散点拟合图：用于展示离散数据的整体趋势。通过添加拟合曲线揭示潜在的线性或非线性规律。

三、模型评估与分类类
9. ROC 曲线：二分类任务的标准图表。适用于正负样本比例较为平衡的数据集，展示 TPR 与 FPR 的权衡。
10. Precision-Recall 曲线：适用于类别不平衡的数据集。在正样本极少的情况下，PR 曲线比 ROC 曲线更能真实反映模型性能。

四、数据关系与矩阵可视化类
11. 热力图：特别适用于呈现大规模的矩阵形式数据。通过颜色深浅直观反映数值大小，常用于展示分类任务的混淆矩阵、多模型在多任务上的性能对比矩阵或特征相关性矩阵。
12. 散点图：展示两个连续变量之间的相关性，如预测值与真实值。建议配合对角参考线使用。
13. 气泡图：散点图的扩展，引入第三个维度即气泡大小，来表示参数量或计算成本。

五、统计分布与构成类
14. 小提琴图：优于箱线图的进阶选择。能直观展示数据的概率密度分布形状，如双峰分布，体现统计严谨性。
15. 箱线图：用于展示多组数据的分布范围、中位数以及离群点。
16. 环形图或扇形图：用于展示分类数据的占比，如错误类型分布。建议优先使用环形图。

六、复合布局类
17. 双Y轴图：当需要在一张图中同时展示两个量纲完全不同的变量时，如左轴是精度，右轴是显存占用。
18. 柱折组合图：用于背景与前景的结合。例如柱状图表示样本数量作为背景，折线图表示模型精度作为前景，常用于长尾分布分析。
19. 分面网格图：当对比变量过多，一张大图显得拥挤时，将其拆分为矩阵排列的一组小图，共享坐标轴。

# Task
请分析我提供的实验数据或实验目的，基于上述图表库，推荐 1 到 2 种最佳绘图方案。

# Constraints
1. 来源优先：请优先从上述列表中选择。若有更适合当前数据且符合顶会标准的其他学术图表，也可以推荐，但杜绝非学术的商业图表。
2. 统计严谨：若数据包含多次实验结果或方差信息，强烈建议添加误差线或置信区间；若为单次实验数据，则无需强行添加。
3. 尺度适应性：若数据组间差异巨大（如 0-10 vs 70-80），请根据数据特性建议一种最佳补救方案：
   - 保留原始数值直观感，推荐断裂坐标轴。
   - 跨越数量级或指数变化，推荐对数坐标。
   - 关注相对提升幅度，推荐归一化。
4. 视觉逻辑：根据标签长度选择横向或纵向柱状图；根据数据维度选择单轴或双轴。
5. 语言风格：输出内容需保持学术、客观。

# Output Format
请严格按照以下结构输出：

1. 推荐方案：图表名称
2. 核心理由：结合数据逻辑，解释为什么这张图最符合当前的学术叙事需求。
3. 视觉设计规范：
   - 坐标轴：说明 X 轴和 Y 轴的物理含义及单位。
   - 尺度处理：若涉及数据差异巨大，请在此处给出断裂轴、对数坐标或归一化的具体建议。
   - 统计要素：若适用，说明误差线、拟合曲线或显著性标记的要求。
   - 配色与样式：提供具体的配色策略及线型建议。

トリガー

ユーザーが次のことを依頼したときに有効になります：

• データに適したグラフの種類を選ぶ、または可視化方法を提案する
• 実験結果の表示方法を決める
• 可視化方法の選択、どのグラフを使えばよいか、グラフの種類の提案を依頼する

呼び出し例：

• 「このデータにはどのグラフを使えばよいですか？」／「適切な可視化方法を選んでください」
• 「空間分析の結果に適した可視化を提案してください」／「時空間データを示すグラフを提案してください」
• 「回帰結果にはどのプロットの種類が適していますか？」／「この結果を示すにはどのグラフを使えばよいですか？」

モード

モード	デフォルト	動作
direct	はい	Ask Strategyの後、1回の応答で提案を提示します。2～3件のカードをまとめて返します
batch		サポート対象外です。各提案には、具体的なデータの説明と研究上の問いが必要です

デフォルトモード： direct。ユーザーがデータの説明と研究上の問いを提示すると、このスキルは1回の応答で提案カードを返します。

参考資料

必須（常に読み込み）

なし。参考ファイルは読み込まれません。提案はユーザーが提示したデータの説明と研究上の問いに基づきます。

リーフヒント

なし。

質問方針

提案を生成する前に、次の2つの情報が必要です：

1. データの説明： データの内容（データ型、主要な変数、空間データか非空間データか、該当する場合はサンプルサイズ）。トリガーに含まれていない場合は質問します。
2. この図についての研究上の問い： グラフで何を伝えるべきか（例：分布、比較、傾向、空間パターン、相関）。トリガーに含まれていない場合は質問します。

ルール：

• トリガーに両方の情報が含まれている場合は、質問せずに進めます。
• どちらか一方のみが提示されている場合は、進める前に不足している情報を尋ねます。
• 両方の情報がない状態で提案を生成してはいけません。
• 利用可能な場合はStructured Interactionを使用し、それ以外の場合は2つのテキスト形式の質問を行います。

ワークフロー

ステップ0：ワークフローメモリの確認

• .planning/workflow-memory.jsonを読み込みます。ファイルがない場合、または空の場合は、ステップ1に進みます。
• 直近1～2件のログエントリに、ログ内でしきい値以上の回数出現したppw:visualizationを含む認識済みパターンがあるか確認します。アルゴリズムの詳細については、skill-conventions.md > Workflow Memory > Pattern Detectionを参照してください。
• パターンが見つかった場合は、AskUserQuestionで次のように提案します：
  • 質問：「よく使われるワークフローが検出されました：[pattern]（N回出現）。ppw:visualizationをdirectモードで実行しますか？」
  • 選択肢：「はい、続行します」／「いいえ、通常どおり続行します」
• ユーザーが承諾した場合：モードをdirectに設定し、Ask Strategyの質問を省略します。
• ユーザーが断った場合、またはAskUserQuestionが利用できない場合：通常モードで続行します。

ステップ1 — コンテキストの収集

• トリガーにデータの説明と研究上の問いが含まれていれば、それらを抽出します。
• 上記の質問方針に従い、不足している情報を尋ねます。
• ワークフローを記録します： .planning/workflow-memory.jsonに{"skill": "ppw:visualization", "ts": "<ISO timestamp>"}を追加します。ファイルがない場合は[]として作成します。ログの長さが50以上の場合は、最も古いエントリを削除します。

ステップ 2 — 空間シグナルを検出し、チャート候補を選択する

• 上記のコアプロンプトの制約に従ってください — チャート選択の主な参考資料として、標準学術チャートライブラリを使用してください。
• データの説明をスキャンし、空間シグナルのキーワードを探してください："coordinates", "latitude", "longitude", "spatial", "region", "district", "administrative", "polygon", "GIS", "map", "geospatial", "study area", "choropleth", "raster", "urban"（「urban」の境界の扱いについては、エッジケースを参照してください）。
• 空間シグナルがある場合： 地理チャートの種類（コロプレスマップ、空間散布図、カーネル密度マップ、ヘックスビンマップ）を、一般的な種類（棒グラフ、折れ線グラフ、散布図、箱ひげ図、バイオリンプロット、ヒートマップ）と併せて候補に含めてください。
• 空間シグナルがない場合： 一般的なチャートの種類のみを使用してください。空間データ以外にはコロプレスや空間散布図を決して推奨しないでください。
• 適合度の高い順に、チャートの種類を2～3個選んでください。最適なものを最初にしてください。
• 研究課題を使って同程度の候補から選んでください：「分布」→ヒストグラム／箱ひげ図、「比較」→棒グラフ、「傾向」→折れ線グラフ、「相関」→散布図、「空間パターン」→コロプレス／空間散布図。

ステップ 3 — 推奨カードを作成する

• 以下の固定形式でカードを2～3枚作成してください。
• 理由では、一般的な説明ではなく、ユーザーの具体的なデータと質問に言及してください。
• ツールのヒント：空間データが検出された場合は geopandas/contextily/tmap を含めてください。空間データ以外の場合は matplotlib/seaborn/ggplot2 を含めてください。
• コードブロックは使わず、ライブラリ名と関数名のみを記載してください（例：geopandas.plot(), seaborn.boxplot()）。

固定カード形式：

**Recommendation N: [Chart Type Name]**
- Why it fits: [1–2 sentences directly referencing the user's data type and research question]
- Tool hints: Python: [library.function()]; R: [package + geom/function]

出力仕様

出力	形式	条件
recommendation_list	会話内に表示する、番号付きの推奨カード2～3枚	常に — 会話のみ

空間データの例（3枚のカード）：

推奨 1：コロプレスマップ

• 適合する理由：地区単位の緑地被覆率データは行政区画のポリゴン単位に直接対応しており、コロプレスでは空間単位ごとの色塗りによって連続的な被覆率変数を表現できます。
• ツールのヒント：Python：geopandas.plot(), matplotlib；R：ggplot2 + sf + tmap

推奨 2：空間散布図

• 適合する理由：地区内に地点単位の測定値がある場合、散布図上の配置によって地区内のばらつきや空間的なクラスターを示せます。
• ツールのヒント：Python：geopandas.plot()、ベースマップには contextily；R：ggplot2 + geom_sf()

推奨 3：カーネル密度マップ

• 適合する理由：正確な値よりも地点の密度が重要な場合、カーネル密度平滑化によって空間的なホットスポットを明らかにし、点の重なりを避けられます。
• ツールのヒント：Python：scipy.stats.gaussian_kde, seaborn.kdeplot()；R：ggplot2 + stat_density_2d()

空間データ以外の例（2枚のカード）：

推奨 1：グループ化棒グラフ

• 適合する理由：3つの近隣地区の満足度スコアの平均は横に並べて直接比較でき、グループ化棒グラフを使うとグループ間の差をすぐに読み取れます。
• ツールのヒント：Python：seaborn.barplot(), matplotlib；R：ggplot2 + geom_bar()

推奨 2：バイオリンプロット

• 適合する理由：満足度スコアの分布（1～5の尺度、回答者500人）は、平均値だけでなく全体の形状を示すのに適しています。バイオリンプロットを使うと、分布が二峰性か、歪んでいるかがわかります。
• ツールのヒント：Python：seaborn.violinplot()；R：ggplot2 + geom_violin()

エッジケース

状況	対応
データの説明に空間的なシグナルがないが、ユーザーが明示的に地図を求めている	空間データではないデータに地図が適さない可能性がある理由を説明します。ユーザーがデータに空間次元があることを確認した場合は、空間チャートの種類を含めることを提案します
データの説明に明示的な空間座標がないまま、「都市」や「市」に言及している	境界ケースとして扱います。空間チャートの種類を含める前に、「データに空間座標または行政区域の境界が含まれていますか？」と尋ねます
データの説明に変数が1つしか記載されていない	次元が限られていることを伝え、その制約に適した単変量チャート（ヒストグラム、棒グラフ）を推奨します
ユーザーがデータの説明ではなくファイルパスを提示している	代わりにデータの説明を求めます。「データについて（種類、変数、サンプルサイズ）説明してください。データファイルを直接読み取ることはできません」
ユーザーが文脈なしで「最適な」チャートを尋ねている	Ask Strategy を実行します。情報が不十分なまま推測してはいけません
研究上の問いが曖昧である（例：「結果を示して」）	明確化を求めます。「図で結果のどの側面を伝えるべきですか。分布、比較、傾向、空間パターンのどれですか？」

フォールバック

シナリオ	フォールバック
構造化された対話を利用できない	データの説明と研究上の問いを、2つの連続したプレーンテキストの質問として尋ね、同じ推奨ロジックで進めます
空間データか非空間データかを判断するにはデータの説明が曖昧すぎる	デフォルトで非空間チャートの種類を選びます。「データに空間次元がある場合は、地理情報を考慮した推奨のために説明に含めてください」と伝えます
研究上の問いに単一のチャートでは答えられない	問いを認め、主要な問いを網羅するチャートの種類を推奨します。副次的な問いは別の図の候補として示します

例

例 1 — 空間データ：

ユーザー：「深センの50地区について、地区レベルの都市緑地被覆率データがあります。研究上の問い：緑地は地区間で空間的にどのように異なりますか？」

空間的なシグナルを検出：「地区」「深セン」（都市および行政区域という文脈を確認）。geopandas（Python）と tmap（R）のツールヒントを使用して、3つの推奨を生成します。カード：コロプレスマップ（ポリゴン単位の連続変数に最適）、空間散布図（ポイントデータがある場合）、カーネル密度マップ（密度パターンが主題の場合）。

例 2 — 非空間データ：

ユーザー：「3つの近隣地域の満足度スコア（1～5）について、住民500人のアンケート回答があります。研究上の問い：満足度スコアは近隣地域間でどのように比較できますか？」

空間的なシグナルは検出されませんでした。seaborn と ggplot2 のツールヒントを使用して、2つの推奨を生成します。カード：グループ化棒グラフ（3グループ間の比較）、バイオリンプロット（スコア分布の全体的な形状を表示）。地理チャートの種類は含めません。

---

スキル：visualization-skill 規約：references/skill-conventions.md