mcpField
V
visualization-builder

visualization-builder

github.com/nimrodfisher数据与数据库504246 次安装5 周前更新
代码仓库

关于 visualization-builder

用于按信息重点和受众选择、设计并检查图表的数据可视化 Skill,提供图表选择指南和预设样式的绘图脚本,并关注无障碍设计与导出要求。

主要功能

  1. 01按信息类型选择图表
  2. 02按合适粒度准备数据
  3. 03创建预设样式的 matplotlib/seaborn 图表
  4. 04突出关键数据
  5. 05添加标题和注释
  6. 06导出并检查无障碍性

适用场景

  1. 01为分析结论选择图表
  2. 02改进杂乱或易误导的图表
  3. 03制作高管演示图表
  4. 04创建适用于报告或仪表板的无障碍图表

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/nimrodfisher/data-analytics-skills --skill visualization-builder

安装后在 Claude Code 中输入/visualization-builder确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

assets/
viz_spec_template.md
references/
chart_selection_guide.md
visual_design_principles.md
scripts/
chart_builder.py

详细介绍

可视化构建器

适用场景

  • 为特定的分析信息选择合适的图表类型
  • 图表已存在,但过于杂乱、具有误导性,或无法清楚表达重点
  • 为高管演示制作图表,确保无需口头说明也能看懂
  • 在报告或仪表板中制作风格一致、符合品牌形象的可视化内容
  • 创建适用于色盲人士或屏幕阅读器的无障碍图表

流程

  1. 确定信息类型 — 将图表用途分类为:比较(柱状图)、时间趋势(折线图)、构成 / 整体与部分的关系(堆叠柱状图;仅 2–3 个类别时使用饼图)、分布(直方图、箱线图)或关系(散点图)。信息类型决定图表类型。请参阅 references/chart_selection_guide.md。
  2. 选择并加载数据 — 确认数据粒度适合图表。聚合操作(例如按月份分组)应在绘图前完成,而不是在图表库中进行。
  3. 构建基础图表 — 使用 scripts/chart_builder.py 和预设的专业样式(白色网格背景、无衬线字体、无障碍配色)。谨慎设置坐标轴、刻度和比例 — 默认设置往往不合适。
  4. 应用视觉层级 — 让最重要的数据元素在视觉上更突出(加粗线条、加深柱形颜色、使用醒目颜色)。弱化次要数据系列。删除所有无助于表达信息的元素(网格线透明度设为 0.2,不显示顶部 / 右侧边框)。请参阅 references/visual_design_principles.md。
  5. 添加注释,方便读者理解 — 添加能够直接说明发现的描述性标题(“移动端流失率是桌面端的 2 倍”),而不是变量名称(“按设备类型划分的流失率”)。直接在图表上标注关键数据点、阈值和参考线。添加数据来源和日期。
  6. 导出并验证 — 印刷用途以 300 DPI 导出,网页用途以 150 DPI 导出。按预期显示尺寸查看图表。检查:能否在 5 秒内看懂关键信息?转为灰度后是否仍然清晰?如果图表属于更大型的交付内容,请填写 assets/viz_spec_template.md。

此技能所需输入

  • 要可视化的数据(聚合粒度正确)
  • 图表需要传达的单一关键信息
  • 受众(技术人员或高管)和展示场景(演示文稿幻灯片、报告、仪表板、电子邮件)
  • 适用时提供品牌色彩或样式指南
  • 任何无障碍要求(色盲适用配色、替代文本)

输出

  • scripts/chart_builder.py — 创建采用预设样式的专业 matplotlib/seaborn 图表,并提供注释辅助工具和导出设置
  • references/chart_selection_guide.md — 不同信息适用的图表类型;常见图表错误及修正方法
  • references/visual_design_principles.md — 色彩、字体、层级、注释和无障碍设计原则
  • assets/viz_spec_template.md — 图表规格模板:信息、数据来源、图表类型、注释、导出要求

评论

支持 Markdown