用途
本技能用于在 Python 中完成数据可视化，围绕三个互补库展开：matplotlib（基础静态绘图）、seaborn（统计可视化）和 plotly（交互式图形）。核心目标是针对不同可视化需求选择合适的工具，制作出版级静态图、统计图形和交互式仪表板。
库选择指南
matplotlib 适用于需要对每个绘图元素进行细粒度控制、制作出版级静态图、构建自定义可视化、低层绘图需求以及需要最大兼容性的场景。其优势是控制完整、成熟稳定、文档丰富、可作为 seaborn 等库的基础、支持导出任意格式；不足是常见统计图代码冗长、复杂图学习曲线较陡、输出为静态、默认美学较旧。
seaborn 适用于统计图（分布、相关性、回归）、希望以最少代码获得美观默认样式、配合 pandas DataFrame、需要自动统计估计以及分面/多面板图的场景。其优势是统计图语法简洁、默认主题美观、内置统计估计、与 pandas 无缝集成、FacetGrid 支持复杂多面板布局；不足是控制力弱于 matplotlib、限于统计图类型、仅静态输出、深度定制需理解底层 matplotlib。
plotly 适用于需要交互（缩放、悬停、平移）、构建仪表板或 Web 应用、3D 可视化、动画以及分享探索性分析的场景。其优势是开箱即用的丰富交互、默认美观、支持 3D 和地理绘图、可与 Dash 集成、可导出 HTML 分享；不足是文件体积较大、出版控制力弱于 matplotlib、API 范式不同、不适合静态出版图。
资料给出的快速决策树：需要交互则选 plotly；否则若为统计图则选 seaborn（可用 matplotlib 定制）；否则若需复杂定制则选 matplotlib，否则按偏好选 seaborn 或 matplotlib。
主要能力
matplotlib 部分介绍了两种 API：pyplot（MATLAB 风格、隐式状态）和面向对象 API（显式，推荐用于复杂图）。资料建议脚本、函数和复杂图使用 OO API，快速交互探索使用 pyplot。还介绍了图形结构（Figure 与 Axes）、常见图表类型（折线图、散点图、柱状图、直方图、共享轴子图）、定制（样式、颜色与色图、标记与线型、图例、注释）以及保存图形（高分辨率 PNG、PDF/SVG 矢量格式、透明背景）。
seaborn 部分介绍了基本设置与主题、分布图（直方图+KDE、KDE 图、ECDF）、分类图（箱线图、小提琴图、条带图/蜂群图、带误差条的柱状图）、关系图（散点图、折线图）、回归图（线性回归、残差图）、热图与矩阵（相关性热图、聚类图）、多面板图（FacetGrid、PairGrid、pairplot）、主题与调色板。
plotly 部分介绍了 Plotly Express 高层 API（散点图、折线图、柱状图、直方图、箱线图、热图、3D 散点图、动画图）和 Graph Objects 低层 API（基本散点、多轨迹、子图、交互功能如下拉菜单）、导出（HTML、静态图像需 kaleido）。
使用方式
资料以代码示例展示各库用法，包括导入方式、绘图调用、参数设置、布局调整和导出。示例涵盖从简单折线到多面板、3D 和动画的多种场景。
适用场景
适用于数据分析、统计探索、出版级图表制作、交互式仪表板和 Web 应用可视化等场景。
限制
资料未提供安装命令、版本要求、收费或价格信息、平台限制以及具体性能数据，这些内容暂未提供。