skill

إنشاء رسم بياني

إنشاء تصورات بيانية بجودة النشر باستخدام Python. استخدم هذه المهارة عند تحويل نتائج الاستعلامات أو DataFrame إلى رسم بياني، واختيار نوع الرسم البياني المناسب للاتجاهات أو المقارنات، وإنشاء مخطط للتقارير أو العروض التقديمية، أو عند الحاجة إلى رسم بياني تفاعلي مع المؤشرات والتكبير.

Anthropic4.82,500+ تثبيتموثوق

نبذة

# /create-viz - إنشاء التصورات البيانية

> إذا واجهت عناصر نائبة غير مألوفة أو كنت بحاجة للتحقق من الأدوات المتصلة، راجع [CONNECTORS.md](../../CONNECTORS.md).

إنشاء تصورات بيانية بجودة الطباعة باستخدام Python. يولد رسوم بيانية من البيانات وفقاً لأفضل الممارسات في الوضوح والدقة والتصميم.

## الاستخدام

``` /create-viz <مصدر البيانات> [نوع الرسم البياني] [تعليمات إضافية] ```

## سير العمل

### 1. فهم الطلب

حدد:

- **مصدر البيانات**: نتائج استعلام، بيانات مدرجة، ملف CSV/Excel، أو بيانات يتعين الاستعلام عنها - **نوع الرسم البياني**: مطلوب بشكل صريح أم يحتاج إلى توصية - **الغرض**: استكشاف، عرض، تقرير، مكون لوحة معلومات - **الجمهور**: فريق تقني، مديرين تنفيذيين، أطراف خارجية

### 2. الحصول على البيانات

**إذا كان مستودع البيانات متصلاً وتحتاج البيانات إلى الاستعلام عنها:** 1. كتابة وتنفيذ الاستعلام 2. تحميل النتائج في pandas DataFrame

**إذا تم إدراج البيانات أو تحميلها:** 1. تحليل البيانات إلى pandas DataFrame 2. تنظيف وتحضير حسب الحاجة (تحويلات النوع، معالجة القيم الفارغة)

**إذا كانت البيانات من تحليل سابق في المحادثة:** 1. الرجوع إلى البيانات الموجودة

### 3. اختيار نوع الرسم البياني

إذا لم يحدد المستخدم نوع رسم بياني، اوصِ بواحد بناءً على البيانات والسؤال:

| العلاقة البيانية | الرسم البياني الموصى به | |---|---| | الاتجاه عبر الزمن | رسم بياني خطي | | المقارنة عبر الفئات | رسم بياني عمودي (أفقي إذا كان هناك عدد كبير من الفئات) | | تكوين جزء من الكل | رسم بياني عمودي مكدس أو مخطط منطقة (تجنب الرسوم البيانية الدائرية ما لم تكن أقل من 6 فئات) | | توزيع القيم | رسم بياني تكراري أو مربع الرباعيات | | الارتباط بين متغيرين | رسم بياني متفرق | | مقارنة متغيرين عبر الزمن | رسم خطي ثنائي المحور أو رسم بياني عمودي مجمع | | البيانات الجغرافية | خريطة كوروبلث | | التصنيف | رسم بياني عمودي أفقي | | التدفق أو العملية | مخطط سانكي | | مصفوفة العلاقات | خريطة حرارية |

اشرح التوصية باختصار إذا لم يحددها المستخدم.

### 4. إنشاء التصور البياني

اكتب كود Python باستخدام إحدى هذه المكتبات بناءً على الحاجة:

- **matplotlib + seaborn**: الأفضل للرسوم البيانية الثابتة بجودة الطباعة. الاختيار الافتراضي. - **plotly**: الأفضل للرسوم البيانية التفاعلية أو عندما يطلب المستخدم التفاعل.

**متطلبات الكود:**

```python import matplotlib.pyplot as plt import seaborn as sns import pandas as pd

# تعيين نمط احترافي plt.style.use('seaborn-v0_8-whitegrid') sns.set_palette("husl")

# إنشاء شكل بحجم مناسب fig, ax = plt.subplots(figsize=(10, 6))

# [كود خاص بنوع الرسم البياني]

# يشمل دائماً: ax.set_title('عنوان واضح وموصوف', fontsize=14, fontweight='bold') ax.set_xlabel('تسمية المحور الأفقي', fontsize=11) ax.set_ylabel('تسمية المحور العمودي', fontsize=11)

# تنسيق الأرقام بشكل مناسب # - النسب المئوية: '45.2%' وليس '0.452' # - العملات: '$1.2M' وليس '1200000' # - الأرقام الكبيرة: '2.3K' أو '1.5M' وليس '2300' أو '1500000'

# إزالة فوضى الرسم البياني ax.spines['top'].set_visible(False) ax.spines['right'].set_visible(False)

plt.tight_layout() plt.savefig('chart_name.png', dpi=150, bbox_inches='tight') plt.show() ```

### 5. تطبيق أفضل ممارسات التصميم

**اللون:** - استخدام لوحة ألوان متسقة وآمنة لعمى الألوان - استخدام اللون بمعنى (وليس بشكل زخرفي) - تسليط الضوء على نقطة البيانات أو الاتجاه الرئيسي بلون متباين - إضفاء اللون الرمادي على البيانات المرجعية الأقل أهمية

**الطباعة:** - عنوان موصوف يحدد الرؤية، وليس المقياس فقط (مثل "نما الإيراد 23% سنوياً" وليس "الإيراد حسب الشهر") - تسميات محاور قابلة للقراءة (غير مدورة بزاوية 90 درجة إن أمكن) - تسميات بيانات على النقاط الرئيسية عند إضافة الوضوح

**التخطيط:** - مسافة بيضاء وهوامش مناسبة - وضع العنوان الذي لا يحجب البيانات - فئات مرتبة حسب القيمة (وليس أبجدياً) إلا إذا كان هناك نظام طبيعي

**الدقة:** - يبدأ المحور العمودي من صفر للرسوم البيانية العمودية - عدم وجود فواصل محور مضللة بدون تدوين واضح - مقاييس متسقة عند مقارنة اللوحات - دقة مناسبة (عدم إظهار 10 منازل عشرية)

### 6. الحفظ والعرض

1. حفظ الرسم البياني كملف PNG بتسمية موصوفة 2. عرض الرسم البياني على المستخدم 3. توفير الكود المستخدم حتى يتمكن من تعديله 4. اقترح الاختلافات (نوع رسم بياني مختلف، تجميع مختلف، نطاق زمني مكبر)

## أمثلة

``` /create-viz إظهار الإيراد الشهري لآخر 12 شهراً كرسم بياني خطي مع تسليط الضوء على الاتجاه ```

``` /create-viz إليك بيانات NPS الخاصة بنا حسب المنتج: [إدراج البيانات]. أنشئ رسم بياني عمودي أفقي يصنف المنتجات حسب الدرجة. ```

``` /create-viz استعلم جدول الطلبات وأنشئ خريطة حرارية لحجم الطلبات حسب يوم الأسبوع والساعة ```

## نصائح

- إذا كنت تريد رسوم بيانية تفاعلية (تحويم، تكبير، تصفية)، اذكر "تفاعلي" وسيستخدم Claude plotly - حدد "عرض توضيحي" إذا كنت بحاجة إلى خطوط أكبر وتباين أعلى - يمكنك طلب رسوم بيانية متعددة في المرة الواحدة (مثل "أنشئ شبكة 2x2 من الرسوم البيانية تعرض...") - يتم حفظ الرسوم البيانية في مجلد العمل الحالي كملفات PNG

التثبيت

شغل هذا الأمر

git clone https://github.com/anthropics/knowledge-work-plugins && cp -r knowledge-work-plugins/data/skills/create-viz ~/.claude/skills/

يعمل مع

claude appclaude codeclaude apicursorcodexwindsurfclinezed

خطوات التثبيت

استنسخ المستودع وانسخ مجلد `data/skills/create-viz` إلى دليل مهارات Claude الخاص بك. متوافق مع Claude Code و Cursor و Codex وأي وكيل متوافق مع Agent Skills.

عرض المصدر
الرخصة: Apache-2.0بواسطة Anthropic

أصول ذات صلة

مختارات أخرى في البيانات والتحليلات.

skillclaude_appclaude_codeclaude_api
git clone https://github.com/anthropics/knowledge-work-plugins && cp -r knowledge-work-plugins/bio-research/skills/nextflow-development ~/.claude/skills/
تطوير Nextflow
تشغيل خطوط معالجة nf-core للمعلوماتية الحيوية (rnaseq، sarek، atacseq) على بيانات التسلسل. استخدم هذا عند تحليل بيانات RNA-seq أو WGS/WES أو ATAC-seq…★ 4.8 · 2,500+
skillclaude_appclaude_codeclaude_api
git clone https://github.com/anthropics/knowledge-work-plugins && cp -r knowledge-work-plugins/data/skills/data-context-extractor ~/.claude/skills/
محلل سياق البيانات
أنشئ أو حسّن مهارة تحليل بيانات خاصة بالشركة من خلال استخراج المعرفة من المحللين. وضع التمهيد - المُشعِلات: "إنشاء مهارة سياق بيانات"، "إعداد تحليل ا…★ 4.8 · 2,500+
skillclaude_appclaude_codeclaude_api
git clone https://github.com/anthropics/knowledge-work-plugins && cp -r knowledge-work-plugins/bio-research/skills/instrument-data-to-allotrope ~/.claude/skills/
بيانات الأداة إلى Allotrope
تحويل ملفات مخرجات أجهزة المختبر (PDF و CSV و Excel و TXT) إلى صيغة Allotrope Simple Model (ASM) JSON أو CSV مسطح ثنائي الأبعاد. استخدم هذه المهارة عن…★ 4.8 · 2,500+
skillclaude_appclaude_codeclaude_api
git clone https://github.com/anthropics/knowledge-work-plugins && cp -r knowledge-work-plugins/data/skills/analyze ~/.claude/skills/
تحليل
الإجابة على أسئلة البيانات — من الاستعلامات السريعة إلى التحليلات الشاملة. استخدمه عند البحث عن مقياس واحد، أو التحقيق في العوامل التي تؤثر على اتجاه…★ 4.8 · 2,500+
skillclaude_appclaude_codeclaude_api
git clone https://github.com/anthropics/knowledge-work-plugins && cp -r knowledge-work-plugins/bio-research/skills/start ~/.claude/skills/
ابدأ
قم بإعداد بيئة البحث البيولوجي واستكشف الأدوات المتاحة. استخدمه عند البدء الأول في التعرف على المكون الإضافي، والتحقق من خوادم MCP المتصلة الخاصة بالأ…★ 4.8 · 2,500+
skillclaude_appclaude_codeclaude_api
git clone https://github.com/anthropics/knowledge-work-plugins && cp -r knowledge-work-plugins/data/skills/validate-data ~/.claude/skills/
التحقق من البيانات
التحقق من الجودة والتدقيق قبل مشاركة التحليل — فحص المنهجية والدقة والانحيازات المحتملة. استخدم هذا عند مراجعة تحليل قبل عرضه على أصحاب المصلحة، والتح…★ 4.8 · 2,500+

افحص قبل التثبيت

شغل أي مصدر عبر فحوصاتنا - الظهور في الذكاء الاصطناعي والأمان والأداء واكتشاف التقنيات.

المزيد في البيانات والتحليلات