ahsanmandhar-ui/research-data-visualization-designer

Skill de Conception de Visualisations de Données de Recherche

Transformez des jeux de données tabulaires bruts de recherche (.csv, .xlsx) et des sorties de modèles statistiques (R broom/tidy, Python statsmodels/scipy, SPSS exports ANOVA/régression) en figures statistiques et tableaux de bord analytiques reproductibles, de qualité publication.

Tous les chemins ci-dessous sont relatifs au répertoire research-data-visualization-designer/.

---

Règles Fondamentales de Reproductibilité et de Statistiques

1. Calcul Déterministe, Aucun Nombre Inventé : Calculez les tailles d'échantillon, les valeurs manquantes, les résumés de groupes, les régressions et les matrices de corrélation directement à partir du fichier .csv / .xlsx d'entrée ou du tableau de modèle fourni. N'inventez jamais de valeurs p et ne supprimez pas silencieusement des valeurs aberrantes.
2. Reproductibilité du Code Obligatoire : Chaque exécution produit un script reproduce_figure.py autonome et à dépendances minimales, ainsi que reproducibility_manifest.json contenant l'empreinte SHA-256 du jeu de données d'entrée et les versions exactes des logiciels.
3. Encodages Perceptuellement Uniformes et Daltoniens : Utilisez les palettes catégorielles d'Okabe-Ito et les cartes de couleurs cividis / bleu-vermillon divergentes (jamais jet ou arc-en-ciel).

---

Workflow

1. Profiler le Jeu de Données : Inspectez les colonnes, les types, les valeurs manquantes et les distributions récapitulatives :

   python scripts/profile_dataset.py --data <path/to/dataset.csv_or_xlsx> --out <work_dir>/dataset_profile.json
   

2. Générer la Figure / Tableau de Bord Statistique + Script de Reproduction :

   python scripts/generate_dataviz.py \
     --spec <work_dir>/dataviz_spec.json \
     --output-dir <work_dir>/output
   

3. Valider et Vérifier l'Exécution Autonome du Script :

   python scripts/validate_dataviz.py \
     --output-dir <work_dir>/output \
     --spec <work_dir>/dataviz_spec.json
   

4. Inspectez visuellement <work_dir>/output/dataviz_figure.png pour confirmer la clarté de la distribution, les étiquettes des axes, et la lisibilité de la matrice de corrélation.