Was macht scientific-visualization?
Erstellen Sie publikationsreife Abbildungen mit matplotlib/seaborn/plotly. Mehrfachpanel-Layouts, Fehlerbalken, Signifikanzmarkierungen, farbenblindensicher, Export als PDF/EPS/TIFF für wissenschaftliche Diagramme.
Überblick
Dieses Skill bietet eine umfassende Lösung zur Erstellung wissenschaftlicher Grafiken auf Publikationsniveau. Es kombiniert die Leistungsfähigkeit von matplotlib, seaborn und plotly, um vielseitige und ansprechende Visualisierungen zu generieren.
Hauptfunktionen
- Mehrfachpanel-Layouts: Erstellen Sie komplexe Abbildungen mit mehreren Unterplots.
- Fehlerbalken: Fügen Sie Fehlerbalken zur Darstellung von Unsicherheiten hinzu.
- Signifikanzmarkierungen: Kennzeichnen Sie statistische Signifikanz (z.B. p < 0.05).
- Farbenblindensicher: Verwenden Sie Farbschemata, die auch für farbenblinde Betrachter zugänglich sind.
- Exportformate: Exportieren Sie in PDF, EPS, TIFF und andere gängige Formate.
Voraussetzungen
Stellen Sie sicher, dass die folgenden Python-Pakete installiert sind:
pip install matplotlib seaborn plotly
Verwendung
Beispiel: Liniendiagramm mit Fehlerbalken
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y = np.sin(x)
error = 0.1 + 0.1 * np.sqrt(x)
plt.figure(figsize=(8, 6))
plt.plot(x, y, label='sin(x)')
plt.fill_between(x, y - error, y + error, alpha=0.2, label='Unsicherheit')
plt.xlabel('x')
plt.ylabel('y')
plt.title('Beispiel mit Fehlerbereich')
plt.legend()
plt.savefig('linienplot_mit_fehler.pdf', format='pdf')
plt.show()
Beispiel: Balkendiagramm mit Signifikanzmarkierungen
import matplotlib.pyplot as plt
import numpy as np
kategorien = ['A', 'B', 'C']
werte = [3.5, 4.2, 2.8]
fehler = [0.3, 0.4, 0.2]
plt.figure(figsize=(8, 6))
balken = plt.bar(kategorien, werte, yerr=fehler, capsize=5, color=['#1f77b4', '#ff7f0e', '#2ca02c'])
# Signifikanzmarkierungen hinzufügen
plt.text(0, 3.5 + 0.3 + 0.1, '*', ha='center', va='bottom', fontsize=16)
plt.text(1, 4.2 + 0.4 + 0.1, '**', ha='center', va='bottom', fontsize=16)
plt.text(2, 2.8 + 0.2 + 0.1, 'ns', ha='center', va='bottom', fontsize=12)
plt.xlabel('Kategorie')
plt.ylabel('Wert')
plt.title('Balkendiagramm mit Fehlerbalken und Signifikanz')
plt.savefig('balkendiagramm_signifikanz.pdf', format='pdf')
plt.show()
Weitere Informationen
Dieses Skill ist für nahtlose Integration in KI-Agenten-Workflows konzipiert und folgt den Konventionen der Plattformen Claude Code, Cursor und Codex.
Lizenz
Dieses Projekt ist unter der MIT-Lizenz lizenziert.