夜雨聆风在学术研究中，图表的制作是一项重要且繁琐的工作。尤其是对于DID研究，生成符合顶刊标准的图表更是需要耗费大量的时间和精力。而今天要介绍的科学可视化Skill，为我们提供了一种便捷高效的解决方案，只需一句话提示，就能自动生成达到顶刊发表标准的学术图表。
研究背景
本次研究聚焦于分析200个县2015 - 2022年的面板数据，旨在深入探究最低工资提高对县域就业率的影响，采用DID设计进行研究。在学术研究领域，这样的研究具有重要的现实意义，能够为政策制定者提供有力的参考依据。然而，要将研究结果以直观、准确且符合顶刊规范的图表形式呈现出来并非易事。传统的图表制作方式不仅需要研究者具备较高的编程和绘图技能，还需要花费大量的时间进行调整和优化。
而科学可视化Skill的出现，为解决这一难题提供了新的途径。它能够根据研究者的需求，自动生成各种类型的学术图表，大大提高了研究效率。通过该Skill，研究者可以将更多的精力放在研究本身，而不是图表制作上，从而推动学术研究的进展。
使用的Skill
Scientific Visualization
□技能名称：scientific-visualization
□来源：K-DenseInc.（MITLicense）
□安装命令：claude skill install k-dense-ai/claude-scientific-skills/scientific-visualization
□核心能力：集成 matplotlib、seaborn、plotly 三大绑图库，内置 Nature、Science、Cell、PLOS 等顶刊期刊格式模板，自动生成多面板布局（multi-panel）、显著性标注、误差线、色盲友好配色的发表级图表。支持 PDF/EPS/TIFF 矢量图导出，300dpi高分辨率。
□适用场景：论文投稿前的图表制作——一句话描述需求，直接输出符合目标期刊格式规范的图表。
使用步骤
第一步：描述可视化需求（用户输入）
请为我的最低工资DID研究生成期刊级图表。
数据文件: minimum_wage_panel_data.csv
需要以下四张图：
1. DID系数图（带置信区间，三个模型对比）
2. 平行趋势图（处理组vs对照组就业率时间趋势）
3. 事件研究系数图（动态处理效应）
4. 2x2多面板组合图
格式要求：Nature风格（无顶部和右侧边框）、300dpi、同时导出PNG和PDF。
第二步：DID系数对比图（预期输出）
Claude生成三个模型的系数对比图：
预期输出要点：
横轴为三个递进模型，纵轴为DID系数估计值
每个点附带95%置信区间误差线
系数点使用不同颜色区分
零线（虚线）作为参考
标注各模型的显著性水平和R平方
清晰的轴标签和图例
第三步：平行趋势图（预期输出）
Claude 生成处理组与对照组的时间趋势图：
预期输出要点：
两条折线分别代表处理组和对照组的年均就业率
各数据点附带95%置信区间阴影带
2019年政策实施时点用竖直虚线标注
政策前两组趋势近似平行（支持平行趋势假设）
政策后处理组与对照组出现差异
Nature 风格排版：无顶部/右侧边框，精简配色
第四步：事件研究系数图（预期输出）
Claude 生成动态处理效应事件研究图：
预期输出要点：
以政策前一年为基期（系数归零）
各期系数点附带95%置信区间
点与点之间用连线相连
零线和政策时点竖线清晰标注
政策前系数不显著，政策后系数显著为正
整体风格与顶刊一致
第五步：2x2多面板组合图（预期输出）
Claude 生成多面板组合图：
预期输出要点：
四张子图排列为 2x2 网格
每个子图带有 (a)、(b)、(c)、(d) 标签
子图之间间距适当，标签不重叠
同时导出 PNG（300dpi）和 PDF（矢量图）
整体尺寸适合期刊单栏或双栏排版
统一字体大小和配色方案
可运行演示脚本
运行下方脚本可直接生成案例中涉及的所有图表：
python3 demo_3_visualization.py