研究資料視覺化設計工具

研究資料視覺化設計工具技能

將原始表格研究資料集（.csv, .xlsx）和統計模型輸出（R broom/tidy、Python statsmodels/scipy、SPSS ANOVA/回歸匯出）轉換為 可重現、符合出版標準的統計圖表和分析儀表板。

以下所有路徑均相對於 research-data-visualization-designer/。

---

核心統計與可重現性規則

1. 確定性計算，零虛構數字： 直接從輸入的 .csv / .xlsx 或提供的模型表格中計算樣本數、缺失值、群組摘要、回歸和相關矩陣。絕不捏造 p 值或靜默移除離群值。
2. 強制程式碼可重現性： 每次運行都會產出一個獨立且最小依賴的 reproduce_figure.py 腳本，以及記錄輸入資料集 SHA-256 摘要和確切軟體版本的 reproducibility_manifest.json 檔案。
3. 知覺均勻且色盲友善編碼： 使用 Okabe-Ito 類別色板以及 cividis / 發散式藍-朱紅色映射（絕不使用 jet 或彩虹色板）。

---

工作流程

1. 資料集剖析： 檢查欄位、類型、缺失值和摘要分佈：

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

2. 生成統計圖表 / 儀表板 + 重現腳本：

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

3. 驗證獨立腳本執行：

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

4. 目視檢查 <work_dir>/output/dataviz_figure.png，確認分佈清晰度、軸標籤和相關矩陣可讀性。