用途：帮助完成数据可视化任务，例如绘制图表、图形、热力图、散点图与柱状图，并指导 Python 可视化库的选择。
主要能力：对比四个库的定位。Matplotlib 适合出版级图形与完全控制，不具交互性，学习曲线陡；Seaborn 适合统计图形且默认样式美观，不具交互性，上手容易；Plotly 适合仪表盘与网页，具交互性，学习曲线中等；Altair 为声明式语法，具交互性，上手容易。
必备概念：Matplotlib 以 Figure（整块画布）和 Axes（单个绘图区，可有多个）为核心，推荐面向对象写法 fig, ax = plt.subplots() 而非 pyplot。Seaborn 提供统计图（histplot、boxplot、violinplot、regplot）、分类图（boxplot、stripplot、swarmplot）与矩阵图（heatmap、clustermap），构建于 Matplotlib 上，可用 Matplotlib 做精细调整。Plotly 提供高层 Express API（如 px.scatter()）与低层 Graph Objects（go.Figure()），可输出 HTML 或嵌入网页应用。
图表选择：时间趋势用折线图；分布用直方图、箱线图或小提琴图；比较用柱状图或分组柱状图；关系用散点图或气泡图；构成用饼图或堆叠柱状图；相关性用热力图；部分与整体用矩形树图或旭日图。
设计原则：提高数据墨水比，减少装饰；颜色克制并考虑色盲用户；始终标注坐标轴与单位；图例仅在必要时使用，优先直接标注；多数图形宽高比约 1.6:1。
选型建议：出版图形用 Matplotlib；快速探索性分析与统计分析用 Seaborn；交互式仪表盘与网页嵌入用 Plotly；复杂定制用 Matplotlib。
限制：资料未提供安装命令、具体代码示例、版本要求、收费与价格信息，也未提供 Altair 的详细用法。