用途：为数据可视化提供通用设计原则与工作流，确保沟通清晰、准确、有效。
主要能力：
- 图表类型选择：折线图（时间趋势、连续数据）、柱状图（类别比较、离散数据）、散点图（变量关系与相关性）、饼图（部分与整体，最多5至6段）、热力图（大数据集模式与相关性）、箱线图（分布统计与异常检测）。
- 设计规范：清晰（描述性标题与标签、标注单位、多系列加图例、保证对比度与可读性）；准确（柱状图纵轴从零开始，相关图表用一致刻度，避免不当缩放失真，精确处标注数据点）；简洁（去除图表垃圾与多余装饰，色�彩有目的而非装饰，颜色限制在5至7种，使用色盲友好配色）。
- 配色：顺序色用于有序数据，发散色用于有意义的中间点数据，分类色用于无序类别，强调色用于吸引注意，并用色盲模拟器测试可访问性。
- 数据叙事：先给洞察而非罗列数据，用注释突出关键发现，按逻辑顺序排列图表，提供背景与对比，包含数据来源与时间戳。
工作流：理解数据（探索结构与分布、识别变量与关系、确定要传达的信息）；选择可视化类型（匹配数据特征、考虑受众与场景、必要时规划交互）；设计可视化（初稿、应用设计原则、优化清晰度与影响力）；细化与验证（收集反馈、面向目标受众测试、迭代并核实准确性）。
应避免的常见错误：不必要的3D图表、颜色或视觉元素过多、缺少或不清的坐标轴标签、截断纵轴夸大差异、饼图类别超过5至6个、配色不当（如顺序数据用彩虹色）。
工具与库：Python（matplotlib、seaborn、plotly、altair）、R（ggplot2、plotly）、JavaScript（D3.js、Chart.js、Highcharts）、BI工具（Tableau、Power BI、Looker）。
适用场景：仪表盘设计（如高管销售指标看板）、探索性分析（如客户行为模式可视化）、报告图表（如年报出版级图表）。
限制：资料未提供具体安装命令、版本、定价、平台或性能数据。