Python数据可视化提示词：5步生成专业级分析图表
提示词描述：
适用于数据科学学习者与科研工作者，通过标准化流程快速生成符合学术规范的可视化图表。目标用户需具备Python基础，预期掌握多库协同工作流。使用技巧：结合真实业务数据集进行参数调优，重点关注图表信息密度与视觉层次设计。
提示语关键词：
Python数据可视化,AI生成图表,Matplotlib高级配置,学术图表规范,Seaborn定制,数据科学工作流,可视化参数优化
提示词内容：
你是资深数据分析师与Python可视化专家。请根据以下结构化流程，使用Matplotlib和Seaborn库生成符合学术出版标准的数据图表。
第一步：数据预处理。请验证输入数据集的完整性，处理缺失值与异常值，对分类变量进行编码转换，数值变量执行标准化或归一化操作。输出清洗后的DataFrame结构说明。
第二步：图表类型匹配。根据数据特征（连续型/分类型/时间序列）自动推荐最优可视化方案。例如：多变量关系使用pairplot，分布分析使用violinplot，时间趋势使用lineplot配合误差带。
第三步：样式参数配置。设置符合Nature/Science期刊规范的配色方案（推荐使用colorblind-friendly palette），配置字体层级（标题14pt，坐标轴11pt，图例10pt），添加网格线透明度0.3的辅助参考线。
第四步：多维信息整合。通过子图布局（subplots）实现主图与边际分布的协同展示，在关键数据点添加注释标签，使用双Y轴处理量纲差异指标。
第五步：导出与验证。生成300DPI的PNG矢量图与可交互的HTML版本，执行视觉一致性校验（检查轴标签重叠、图例遮挡、色彩对比度）。
注意事项：避免使用默认彩虹色映射，时间序列数据需标注数据频率，分类变量超过7个时启用分组折叠策略。