用途：根据可视化要表达的内容选择合适的 Python 图表库，并产出干净、出版级质量的静态图像。
主要能力与选择框架：seaborn 是统计/分析类图表的默认选择，适合分布（histplot、kdeplot）、类别对比（boxplot、violinplot、barplot）、相关性（heatmap、pairplot、regplot）、分面（FacetGrid、catplot、relplot）与时间序列（lineplot，含置信区间带）。matplotlib 用于 seaborn 不支持的类型或需要像素级布局控制的场景，如自定义多面板、非标准坐标轴（polar）、注释、动画与图像叠加；seaborn 图返回 Axes，可在其上加 matplotlib 定制。graphviz 处理节点与边结构，如依赖树、流程图、状态机、ER 图与网络图，使用 graphviz.Digraph()/Graph() 添加节点边并渲染 PNG/SVG/PDF，布局引擎包括 dot、neato、fdp、circo、twopi。交互式浏览器图表应改用 charting-vega-lite 技能。
使用方式：安装 seaborn 并设置主题 sns.set_theme(style="whitegrid", palette="muted", font_scale=1.1)；用 plt.subplots(figsize=(10,6)) 设定尺寸，保存时用 plt.savefig(path, dpi=150, bbox_inches='tight', facecolor='white')，屏幕/网页用 dpi=150，印刷用 dpi=300；保存后调用 plt.close()。配色建议：类别用 muted、Set2、tab10，顺序用 viridis、YlOrRd、Blues，分歧用 RdBu、coolwarm，避免 jet 与 rainbow。常见修饰包括旋转标签、sns.despine() 去边框、千分位格式化。输出流程为在 /home/claude/ 生成图表，保存 PNG（默认）或 SVG，复制到 /mnt/user-data/outputs/ 并通过 present_files 呈现。
适用场景：需要静态图表文件的数据分析与报告配图。限制：不负责交互式网页图表；安装细节、版本与收费信息资料未提供。