Initial commit to new repository

dist/AxCopilot/skills/data-visualize-adv.skill.md

@@ -0,0 +1,125 @@
+---
+name: data-visualize-adv
+label: 고급 데이터 시각화
+description: Python matplotlib/seaborn을 사용하여 히트맵, 산점도, 상관관계 등 고급 시각화를 생성합니다.
+icon: \uE9D9
+requires: python
+tabs: cowork
+---
+
+데이터를 고급 시각화 차트로 변환하세요.
+
+## 사전 준비
+필요한 패키지를 설치하세요:
+```
+process_run: pip install matplotlib seaborn pandas numpy
+```
+
+## 작업 절차
+1. **데이터 확인**: 사용자가 제공한 CSV/JSON/Excel 데이터 파일 확인
+2. **데이터 로드**: pandas로 데이터 읽기
+3. **Python 스크립트 작성**: file_write로 시각화 스크립트 생성
+4. **스크립트 실행**: process_run으로 실행
+5. **결과 확인**: 생성된 차트 이미지 경로를 사용자에게 안내
+
+## 시각화 유형별 템플릿
+
+### 공통 설정
+```python
+import matplotlib.pyplot as plt
+import seaborn as sns
+import pandas as pd
+import numpy as np
+
+# 한글 폰트 설정
+plt.rcParams['font.family'] = 'Malgun Gothic'
+plt.rcParams['axes.unicode_minus'] = False
+sns.set_theme(style='whitegrid', font='Malgun Gothic')
+```
+
+### 히트맵 (상관관계 행렬)
+```python
+df = pd.read_csv('data.csv')
+corr = df.select_dtypes(include=[np.number]).corr()
+
+fig, ax = plt.subplots(figsize=(10, 8))
+sns.heatmap(corr, annot=True, fmt='.2f', cmap='RdBu_r',
+            center=0, square=True, linewidths=0.5, ax=ax)
+ax.set_title('상관관계 히트맵')
+plt.tight_layout()
+plt.savefig('heatmap.png', dpi=150)
+```
+
+### 산점도 (Scatter Plot)
+```python
+df = pd.read_csv('data.csv')
+
+fig, ax = plt.subplots(figsize=(10, 8))
+sns.scatterplot(data=df, x='col_x', y='col_y', hue='category',
+                size='value', sizes=(20, 200), alpha=0.7, ax=ax)
+ax.set_title('산점도')
+plt.tight_layout()
+plt.savefig('scatter.png', dpi=150)
+```
+
+### 시계열 분석
+```python
+df = pd.read_csv('data.csv', parse_dates=['date'])
+
+fig, ax = plt.subplots(figsize=(12, 6))
+sns.lineplot(data=df, x='date', y='value', hue='category', ax=ax)
+ax.set_title('시계열 트렌드')
+plt.xticks(rotation=45)
+plt.tight_layout()
+plt.savefig('timeseries.png', dpi=150)
+```
+
+### 분포 비교 (박스플롯 + 바이올린)
+```python
+fig, axes = plt.subplots(1, 2, figsize=(14, 6))
+
+sns.boxplot(data=df, x='group', y='value', ax=axes[0])
+axes[0].set_title('박스플롯')
+
+sns.violinplot(data=df, x='group', y='value', ax=axes[1])
+axes[1].set_title('바이올린 플롯')
+
+plt.tight_layout()
+plt.savefig('distribution.png', dpi=150)
+```
+
+### 다중 차트 대시보드
+```python
+fig, axes = plt.subplots(2, 2, figsize=(14, 12))
+
+# 좌상: 히트맵
+sns.heatmap(corr, annot=True, fmt='.1f', ax=axes[0,0])
+
+# 우상: 산점도
+sns.scatterplot(data=df, x='x', y='y', ax=axes[0,1])
+
+# 좌하: 히스토그램
+sns.histplot(data=df, x='value', kde=True, ax=axes[1,0])
+
+# 우하: 박스플롯
+sns.boxplot(data=df, x='group', y='value', ax=axes[1,1])
+
+fig.suptitle('데이터 분석 대시보드', fontsize=16, fontweight='bold')
+plt.tight_layout()
+plt.savefig('dashboard.png', dpi=150)
+```
+
+### 페어플롯 (변수 간 관계 전체)
+```python
+g = sns.pairplot(df, hue='category', diag_kind='kde')
+g.fig.suptitle('변수 간 관계', y=1.02)
+plt.savefig('pairplot.png', dpi=150)
+```
+
+## 스타일 옵션
+- seaborn 테마: `whitegrid`, `darkgrid`, `white`, `dark`, `ticks`
+- 컬러 팔레트: `Set2`, `husl`, `coolwarm`, `RdBu_r`, `viridis`
+- 출력 형식: png, svg, pdf
+- 해상도: `dpi=150` (기본), `dpi=300` (인쇄용)
+
+한국어로 안내하세요. 작업 폴더에 Python 스크립트와 결과 파일을 저장하세요.