用途：创建有说服力的数据可视化，用于探索与传达数据洞察，覆盖 EDA（探索性数据分析）、仪表盘、Matplotlib、Seaborn、Plotly 与 BI 工具。
主要能力：
- Matplotlib 基础绘图：折线图、柱状图、子图（subplots），可设置坐标轴标签、标题、图例、网格、紧致布局。
- Seaborn 统计图：设定样式（如 whitegrid）、直方图（histplot 带 KDE）、箱线图、小提琴图、热力图（heatmap）、成对图（pairplot）。
- 探索性数据分析：df.info()、df.describe()、缺失值统计、value_counts 柱状图、直方图分布、相关性矩阵热力图。
- Plotly 交互可视化：px.scatter、px.line（可开 rangeslider）、px.scatter_3d，支持悬停数据。
- Plotly Dash 仪表盘：Dropdown、Graph、RangeSlider 及回调（@app.callback）动态更新图表，app.run_server(debug=True)。
- 配色：Seaborn 调色板（viridis、coolwarm、Set2）与自定义十六进制颜色。
- 导出：plt.savefig 保存高分辨率 PNG（dpi=300）或矢量 PDF、SVG。
使用方式：在 Python 环境中导入 matplotlib.pyplot、seaborn、plotly.express、plotly.graph_objects 或 dash 后按示例调用。资料中的代码可原样使用。
最佳实践：按目的选图（比较用柱状图、分布用直方图/箱线图、关系用散点图、时间序列用折线图、构成用饼图/堆叠柱状图）；保持清晰标签与标题、合适配色、去除图表垃圾、格式一致并考虑色盲可读性。需避免：非零基线等误导性坐标轴、颜色过多、3D 图、类别过多的饼图、双 Y 轴。
限制：资料未说明该技能的收费、价格、适用平台或具体安装命令，这些信息暂未提供。