Menu
科学データ高度可視化スキル。Plotly インタラクティブ 3D ・ Altair 宣言的可視化・Seaborn 統計プロット・ アニメーション・Parallel Coordinates・出版品質図。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | scientific-advanced-visualization |
| description | 科学データ高度可視化スキル。Plotly インタラクティブ 3D ・ Altair 宣言的可視化・Seaborn 統計プロット・ アニメーション・Parallel Coordinates・出版品質図。 |
| tu_tools | [{"key":"biotools","name":"bio.tools","description":"高度可視化ツール検索"}] |
科学データのインタラクティブ可視化・3D レンダリング・ 出版品質図・アニメーションを提供する。
import numpy as np
import pandas as pd
def plotly_3d_scatter(df, x, y, z, color=None, size=None,
title="3D Scatter Plot"):
"""
Plotly 3D 散布図。
Parameters:
df: pd.DataFrame — データ
x, y, z: str — 軸カラム名
color: str | None — 色分けカラム
size: str | None — サイズカラム
title: str — タイトル
"""
import plotly.express as px
fig = px.scatter_3d(df, x=x, y=y, z=z, color=color, size=size,
title=title, opacity=0.7)
fig.update_layout(
scene=dict(
xaxis_title=x, yaxis_title=y, zaxis_title=z),
width=900, height=700)
path = "3d_scatter.html"
fig.write_html(path)
print(f"3D Scatter: {len(df)} points → {path}")
return fig
def plotly_surface(X_grid, Y_grid, Z_grid, title="Surface Plot"):
"""
Plotly 3D サーフェスプロット。
Parameters:
X_grid, Y_grid, Z_grid: np.ndarray — メッシュグリッド
title: str — タイトル
"""
import plotly.graph_objects as go
fig = go.Figure(data=[go.Surface(x=X_grid, y=Y_grid, z=Z_grid,
colorscale="Viridis")])
fig.update_layout(
title=title,
scene=dict(xaxis_title="X", yaxis_title="Y", zaxis_title="Z"),
width=900, height=700)
path = "surface_plot.html"
fig.write_html(path)
print(f"Surface: {Z_grid.shape} grid → {path}")
return fig
def altair_faceted_chart(df, x, y, color, facet_col=None,
chart_type="scatter"):
"""
Altair 宣言的ファセット付きチャート。
Parameters:
df: pd.DataFrame — データ
x, y: str — 軸カラム
color: str — 色分けカラム
facet_col: str | None — ファセットカラム
chart_type: str — "scatter" / "line" / "bar" / "box"
"""
import altair as alt
base = alt.Chart(df).encode(
x=alt.X(x, scale=alt.Scale(zero=False)),
y=alt.Y(y, scale=alt.Scale(zero=False)),
color=color)
if chart_type == "scatter":
chart = base.mark_circle(size=60, opacity=0.7)
elif chart_type == "line":
chart = base.mark_line()
elif chart_type == "bar":
chart = base.mark_bar()
elif chart_type == "box":
chart = base.mark_boxplot()
else:
chart = base.mark_circle()
if facet_col:
chart = chart.facet(facet_col, columns=3)
chart = chart.properties(width=300, height=250).interactive()
path = "altair_chart.html"
chart.save(path)
print(f"Altair {chart_type}: {len(df)} rows → {path}")
return chart
def parallel_coordinates_plot(df, class_col, features=None,
title="Parallel Coordinates"):
"""
Parallel Coordinates プロット。
Parameters:
df: pd.DataFrame — データ
class_col: str — 分類カラム
features: list[str] | None — 表示特徴量 (None で全数値)
title: str — タイトル
"""
import plotly.express as px
if features is None:
features = df.select_dtypes(include=[np.number]).columns.tolist()
if class_col in features:
features.remove(class_col)
fig = px.parallel_coordinates(
df, color=class_col, dimensions=features,
title=title, color_continuous_scale=px.colors.diverging.Tealrose)
fig.update_layout(width=1000, height=500)
path = "parallel_coordinates.html"
fig.write_html(path)
print(f"Parallel Coordinates: {len(features)} dims → {path}")
return fig
def radar_chart(categories, values_dict, title="Radar Chart"):
"""
Radar (Spider) チャート — 複数グループ比較。
Parameters:
categories: list[str] — 軸ラベル
values_dict: dict[str, list[float]] — {グループ名: 値リスト}
title: str — タイトル
"""
import plotly.graph_objects as go
fig = go.Figure()
for name, vals in values_dict.items():
fig.add_trace(go.Scatterpolar(
r=vals + [vals[0]],
theta=categories + [categories[0]],
fill="toself", name=name, opacity=0.6))
fig.update_layout(
polar=dict(radialaxis=dict(visible=True)),
title=title, width=600, height=500)
path = "radar_chart.html"
fig.write_html(path)
print(f"Radar: {len(values_dict)} groups × {len(categories)} axes → {path}")
return fig
def publication_figure(plot_func, figsize=(3.5, 2.8),
dpi=300, style="nature",
output="publication_fig.pdf"):
"""
出版品質 (Nature/Science style) 図生成。
Parameters:
plot_func: callable — matplotlib 描画関数 (ax を引数に取る)
figsize: tuple — 図サイズ (インチ, Nature 1 col = 3.5in)
dpi: int — 解像度
style: str — "nature" / "science" / "acs"
output: str — 出力パス (.pdf / .svg / .png)
"""
import matplotlib.pyplot as plt
import matplotlib as mpl
# Nature/Science スタイル設定
style_params = {
"nature": {
"font.family": "Arial",
"font.size": 7,
"axes.linewidth": 0.5,
"xtick.major.width": 0.5,
"ytick.major.width": 0.5,
"lines.linewidth": 1.0,
"lines.markersize": 3,
},
"science": {
"font.family": "Helvetica",
"font.size": 8,
"axes.linewidth": 0.6,
"xtick.major.width": 0.6,
"ytick.major.width": 0.6,
"lines.linewidth": 1.2,
"lines.markersize": 4,
},
"acs": {
"font.family": "Arial",
"font.size": 9,
"axes.linewidth": 0.5,
"xtick.major.width": 0.5,
"ytick.major.width": 0.5,
"lines.linewidth": 1.0,
"lines.markersize": 4,
}
}
with mpl.rc_context(style_params.get(style, style_params["nature"])):
fig, ax = plt.subplots(figsize=figsize)
plot_func(ax)
ax.spines["top"].set_visible(False)
ax.spines["right"].set_visible(False)
plt.tight_layout()
fig.savefig(output, dpi=dpi, bbox_inches="tight")
plt.close()
print(f"Publication figure ({style}): {figsize} @ {dpi}dpi → {output}")
return output
def create_animation(data_frames, x_col, y_col, time_col,
title="Animation", fps=10):
"""
Plotly アニメーション。
Parameters:
data_frames: pd.DataFrame — 時間列を含むデータ
x_col, y_col: str — 軸カラム
time_col: str — 時間 / フレームカラム
title: str — タイトル
fps: int — フレームレート
"""
import plotly.express as px
fig = px.scatter(data_frames, x=x_col, y=y_col,
animation_frame=time_col,
title=title, opacity=0.7,
range_x=[data_frames[x_col].min() * 0.9,
data_frames[x_col].max() * 1.1],
range_y=[data_frames[y_col].min() * 0.9,
data_frames[y_col].max() * 1.1])
fig.update_layout(
width=800, height=600,
updatemenus=[dict(type="buttons",
buttons=[dict(label="▶ Play",
method="animate",
args=[None, {"frame": {"duration": 1000 // fps}}])])])
path = "animation.html"
fig.write_html(path)
print(f"Animation: {data_frames[time_col].nunique()} frames @ {fps}fps → {path}")
return fig
eda-correlation → advanced-visualization → presentation-design
(探索的解析) (高度可視化) (プレゼンテーション)
│ │ ↓
pca-tsne ───────────────┘ interactive-dashboard
(次元削減) (ダッシュボード)
| ファイル | 説明 | 次スキル |
|---|---|---|
3d_scatter.html | インタラクティブ 3D 散布図 | → dashboard |
publication_fig.pdf | 出版品質図 | → presentation |
parallel_coordinates.html | 多変量可視化 | → reporting |
animation.html | アニメーション | → presentation |
| TU Key | ツール名 | 連携内容 |
|---|---|---|
biotools | bio.tools | 高度可視化ツール検索 |
実験の監査レポート・データ来歴（プロベナンス）生成スキル。 データ変換履歴・使用ツールのバージョン・データ整合性チェックを 含むトレーサビリティレポートを自動生成する。 「監査レポート作成」「データ来歴を記録」「トレーサビリティ」で発火。
派生実験設計スキル。既存の実験をベースに条件を変更した派生実験を 設計する。実験計画法（DOE）に基づくパラメータ探索を支援。 「派生実験を設計して」「条件を変えて実験」「パラメータ探索」で発火。
実験テンプレート生成スキル。研究目的・仮説・手法・実験条件・評価基準・ スケジュールを構造化した実験計画書を自動作成する。 「実験テンプレート作成して」「実験計画を立てて」「実験プロトコルを作成」で発火。
実験結果を論文形式（LaTeX / IMRaD）にエクスポートするスキル。 Introduction・Materials & Methods・Results・Discussion の構造で 出版準備用の原稿を自動生成する。 「論文にして」「LaTeX出力」「出版準備」で発火。
実験結果の査読・レビュースキル。再現性・統計的妥当性・方法論の 健全性を体系的に評価し、構造化されたレビューレポートを生成する。 「レビューして」「査読して」「実験結果を評価して」で発火。
科学技術・学術論文の執筆スキル。IMRaD 標準、Nature/Science 系、ACS 系、IEEE 系、 Elsevier 系のジャーナル形式に対応した論文構成・セクション設計・文章パターンを提供。 「論文を書いて」「Abstract を作成して」「Methods セクションを書いて」で発火。 assets/ に主要ジャーナル形式の Markdown テンプレートを同梱。