用途：在本地环境用 matplotlib 与 seaborn 生成出版级科学可视化，涵盖散点图、折线图、热图、箱线图、小提琴图、多面板图等，适合论文、报告与探索性数据分析（EDA）。
主要能力：基础与高级绘图、多面板组合、自定义配色、密度散点图、QC 指标图、UMAP/tSNE 聚类图、基因表达点图与火山图等。示例导入：import matplotlib.pyplot as plt、import seaborn as sns、import pandas as pd、import numpy as np、from matplotlib import gridspec、import matplotlib.patches as mpatches。
使用方式：设置样式与 DPI 后按步骤绘图、加标签与标题，最后 plt.tight_layout() 并 plt.savefig('plot.png', dpi=300, bbox_inches='tight') 导出，再 plt.show()。建议尺寸 6-8 英寸、出版 300 DPI、使用色盲友好配色（viridis、Set2、tab10），保存前调用 tight_layout 防止标签裁切，图多时保存后 plt.close() 释放内存。
适用场景：科研论文插图、演示幻灯片、EDA、单细胞 QC 与聚类展示、差异表达（如火山图）可视化。
限制：依赖本地 Python 环境中的 matplotlib、seaborn、pandas、numpy（密度图另需 scipy）；执行于沙箱本地；支持 PNG、PDF、SVG、JPEG 导出；标准图通常 1 秒内完成，复杂多面板约 2-5 秒；费用、价格与更细的性能数据资料未提供。