用途：在 Power BI（PBIR）报告中创建 Python 视觉对象，用 matplotlib/seaborn 脚本渲染静态 PNG 图像。所有报告修改必须经由 pbir 工具；PBIR 元数据仅用于诊断，若 pbir 不可用或缺少所需操作，应停止并报告缺口，禁止直接编辑报告 JSON。
主要能力：视觉标识为 visualType: pythonVisual，数据角色为 Values（可绑定多列与度量值），自动注入 pandas DataFrame 变量 dataset，行上限 150,000，输出 72 DPI 静态 PNG，无交互。官方建议优先用 seaborn 而非原生 matplotlib，语法更简洁、默认样式更好。
使用方式：先用 pbir add visual pythonVisual 添加视觉对象并绑定数据，再编写脚本，最后注入并校验。关键规则：plt.show() 必须作为脚本最后一行，否则不渲染；dataset 自动注入，勿自行创建；列名需匹配绑定的 nativeQueryRef 显示名；仅最后一次 plt.show() 生效，不支持多图。注入前应调度 python-reviewer 代理校验。常用命令：pbir add visual pythonVisual "Report.Report/Page.Page" --name PythonChart --data "Values:Sales.Date"；pbir visuals python ".../PythonChart.Visual" --script-file chart.py；pbir visuals bind "..." --show；pbir validate "Report.Report" --all。
支持库（Service 端 Python 3.11）：matplotlib 3.8.4、seaborn 0.13.2、numpy 2.0.0、pandas 2.2.2、scipy 1.13.1、scikit-learn 1.5.0、statsmodels 0.14.2、pillow 10.4.0；不支持 plotly、bokeh、altair（Service 端网络被禁用）。Desktop 端本地安装的任意包均可使用。
适用场景：仅当图表无原生等价实现且无合适 Deneb 方案、价值在于渲染时执行的统计计算（模型拟合、核密度、预测带），且无需作为交叉筛选源、悬停提示、发布到 Web 或应用拥有数据嵌入时，才使用脚本视觉对象；需要交互或交叉筛选应改用 Deneb，内联小图用 SVG 度量值。Python 与 R 的选择：依赖 scikit-learn、statsmodels 或 scipy 时用 Python，出版级统计默认值和 Python 无对应包时用 R，相同情况沿用报告其他脚本的语言。
限制：输出为 72 DPI 静态 PNG；超时 Desktop 5 分钟、Service 1 分钟；行上限 150,000；Service 载荷 30 MB；Service 网络被禁用；仅支持个人网关；不支持作为交叉筛选来源，不支持发布到 Web 和嵌入式（应用拥有数据）场景，但可接收交叉筛选。最佳实践：始终以 plt.show() 结尾，用 figsize 匹配容器比例，去除图表多余边框，使用与主题一致的十六进制颜色，保持脚本简单，尽量把重计算放在 DAX/Power Query，生产脚本加 try/except，操作前先 dataset.copy()。