클로드스킬마트스킬 둘러보기스킬이 뭐예요?
 
← 목록으로

과학 논문용 시각화 (Scientific Visualization)

Matplotlib·Seaborn·Plotly로 데이터를 왜곡하지 않고 접근성까지 갖춘 논문 게재용 그림을 설계·검수·내보내기까지 안내하는 스킬.

데이터·분석고급★ 33,030⑂ 3,248AI 점수 9/10마지막 업데이트: 2026. 8. 9.

무엇을 해주나

  • 정직한 인코딩 설계: 막대의 0 기준선, 이중 축, 로그 축, 면적/부피 스케일, 구간화(binning)·정규화·스무딩 기록 등 오해를 유발하는 표현을 사전에 차단합니다.
  • 불확실성과 결측 처리: SD/SE/CI/사후분포 중 무엇인지 명시하고 n과 반복 단위를 기록하며, 결측·0·검열·제외를 시각적으로 구분하게 합니다.
  • 접근성 내장: 색 외에 마커·선 스타일·해칭·직접 라벨을 함께 쓰고, 렌더링 크기에서의 명암비(WCAG 2.2 기준 참고)와 회색조 구분을 점검합니다.
  • 정확한 내보내기와 출처 기록: figure_export로 물리적 크기·DPI·폰트 임베딩(Type 42)·TIFF LZW를 지키며 덮어쓰기를 막고 provenance 매니페스트를 남깁니다.
  • 번들 CLI 검수: 이미지/PDF 메타데이터 점검, 팔레트 대비 감사, 출판사별 규격 계획(export_plan.py), 스타일 프리뷰까지 네트워크 없이 실행됩니다.
  • Nature 등 저널 스타일 프리셋과 Okabe-Ito·Paul Tol 색상표를 자산으로 제공합니다.

이런 분께 추천

  • 논문·학위논문에 그림을 제출해야 하는 연구자, 대학원생
  • 리뷰어 지적(축 조작, 오차 표기 불명확, 색맹 접근성)을 미리 없애고 싶은 분
  • 저널마다 다른 폭(mm), DPI, 파일 형식 요구사항을 매번 헤매는 분
  • 데이터 무결성 규정을 지키며 재현 가능한 그림 파이프라인을 만들고 싶은 팀

활용 예시

  1. 단일 컬럼 그림 만들기: "89mm 폭, 600dpi PDF+PNG로 처리군별 시간-반응 곡선을 95% 부트스트랩 CI와 함께 그려줘" → 스타일 컨텍스트로 그림 생성 후 export_figure로 provenance까지 기록.
  2. 투고 전 검수: "figure1.tiff가 Nature combination 그림 규격에 맞는지 봐줘" → image_metadata.py로 DPI·모드·알파·페이지 크기를 확인하고 export_plan.py로 출판사 스냅샷과 대조.
  3. 접근성 점검: "이 6색 팔레트가 흰 배경에서 색맹 사용자에게 구분되는지 확인해줘" → palette_audit.py로 WCAG 대비와 CIE L* 회색조 분리 리포트를 받고 마커/선 스타일 중복 인코딩을 추가.

· · · 설치 가이드 · · ·

Claude 앱에 설치 (터미널 필요 없음)
  1. 아래 버튼으로 ZIP 파일을 받으세요.
  2. Claude 설정 → Capabilities에서 '코드 실행 및 파일 생성'을 켭니다. (한 번만)
  3. Claude에서 Customize → Skills → + → '스킬 업로드'를 누르고 받은 ZIP을 올립니다.
↓ ZIP 내려받기
Claude Code에 설치

Claude에게 맡기기 — 아래 문장을 Claude Code에 붙여넣으세요

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 K-Dense-AI/scientific-agent-skills 의 skills/scientific-visualization 폴더를 내 ~/.claude/skills/scientific-visualization/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.

직접 명령으로 설치하기

git clone https://github.com/K-Dense-AI/scientific-agent-skills.git /tmp/scientific-agent-skills && mkdir -p ~/.claude/skills && cp -r /tmp/scientific-agent-skills/skills/scientific-visualization ~/.claude/skills/

⚠ 제3자가 만든 스킬입니다. 설치 전 원본 저장소를 한 번 확인하세요.

  1. 사전 준비: Python 3.11 이상과 uv를 설치합니다. Plotly 정적 이미지(write_image)를 쓸 계획이면 Chrome/Chromium도 설치하세요.
  2. 저장소 클론: 터미널에서 git clone https://github.com/K-Dense-AI/scientific-agent-skills.git 를 실행합니다.
  3. 스킬 폴더 복사: mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/scientific-visualization ~/.claude/skills/
  4. 설치 확인: ls ~/.claude/skills/scientific-visualization 로 SKILL.md, scripts/, assets/, references/ 가 있는지 봅니다.
  5. Claude Code 재시작 후 "논문용 그림 만들어줘" 또는 "이 figure가 저널 규격에 맞는지 검수해줘" 처럼 요청하면 스킬이 자동 호출됩니다.
  6. 스모크 테스트(선택): uv run --isolated --no-project --python 3.13 --with "matplotlib==3.11.1" python ~/.claude/skills/scientific-visualization/scripts/figure_export.py --demo outputs/export-smoke --manifest 로 내보내기 동작을 확인합니다.
  7. 주의: references/journal_requirements.md 와 출판사 프로필은 날짜가 기록된 스냅샷이므로, 실제 투고 직전에는 저널 공식 페이지를 직접 다시 확인하세요.
GitHub에서 원본 보기 ↗라이선스: MIT