画九-MCP

Name: 画九-MCP
Author: Fervoyush

作者：Fervoyush2 星标更新：2025-11-07

安装使用来源：spider==github.com

项目介绍

Plotnine MCP Server

一个通过plotnine实现R中备受喜爱的ggplot2图形语法的Model Context Protocol (MCP)服务器，使AI能够通过自然语言生成高质量的数据可视化。

通过聊天创建出版级别的统计图形，利用plotnine对R中广受喜爱的ggplot2的Python实现。这个模块化的MCP服务器允许Claude和其他AI助手通过图形语法范式组合图层来生成高度可定制的可视化效果。

功能

核心可视化

🎨 多层图表：在单个图表中结合多种几何图形（散点图+趋势线，箱形图+抖动等）
图形语法：使用美学、几何图形、尺度、主题、分面和坐标系来组合图表
20多种几何类型：点、线、条形图、直方图、箱形图、小提琴图等
多种数据源：从文件（CSV、JSON、Parquet、Excel）、URL或内联JSON加载数据
多种输出格式：PNG、PDF、SVG，具有可配置的尺寸和DPI

智能功能（新！）

📋 9种图表模板：预配置的常见模式模板（时间序列、带有趋势的散点图、分布比较等）
🤖 AI模板建议：分析您的数据并推荐适当的图表类型
🎨 21种颜色调色板：色盲安全、科学、分类、企业、顺序和发散调色板
📊 数据预览：在绘图前检查数据，提供全面的总结
🎯 智能错误消息：模糊匹配建议列名、几何类型和主题中的拼写错误
💾 配置导出/导入：保存并重复使用绘图配置为JSON文件

数据操作（新！）

🔄 12种数据转换：过滤、分组汇总、排序、选择、重命名、变异、删除空值、填充空值、采样、唯一值、滚动、透视
⚡ 批量处理：一次操作创建多个图表
🔗 链式转换：按顺序应用多种转换

主题与自定义

灵活的主题：内置主题具有广泛的自定义选项
统计变换：添加平滑、分箱、密度估计和汇总
分面：使用包装或网格布局按分类变量拆分图表

安装

1. 克隆或下载此仓库

cd plotnine-mcp

2. 安装依赖项

使用pip：

pip install -e .

为了完全功能（支持Parquet和Excel）：

pip install -e ".[full]"

3. 配置您的MCP客户端

Claude Desktop

将服务器添加到您的Claude Desktop配置文件中：

macOS：~/Library/Application Support/Claude/claude_desktop_config.json

Windows：%APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "plotnine": {
      "command": "python",
      "args": ["-m", "plotnine_mcp.server"]
    }
  }
}

如果您安装在一个虚拟环境中，请使用python的完整路径：

{
  "mcpServers": {
    "plotnine": {
      "command": "/path/to/venv/bin/python",
      "args": ["-m", "plotnine_mcp.server"]
    }
  }
}

Cursor

通过打开命令面板（Cmd/Ctrl+Shift+P）并搜索“Preferences: Open User Settings (JSON)”来添加到Cursor设置中。添加：

{
  "mcp.servers": {
    "plotnine": {
      "command": "python",
      "args": ["-m", "plotnine_mcp.server"]
    }
  }
}

或者在项目中通过.cursor/mcp.json配置：

{
  "mcpServers": {
    "plotnine": {
      "command": "python",
      "args": ["-m", "plotnine_mcp.server"]
    }
  }
}

VSCode（与Cline/Roo-Cline）

添加到您的VSCode MCP设置文件中：

macOS/Linux：~/.config/Code/User/globalStorage/rooveterinaryinc.roo-cline/settings/cline_mcp_settings.json

Windows：%APPDATA%\Code\User\globalStorage\rooveterinaryinc.roo-cline\settings\cline_mcp_settings.json

{
  "mcpServers": {
    "plotnine": {
      "command": "python",
      "args": ["-m", "plotnine_mcp.server"]
    }
  }
}

对于VSCode中的其他MCP客户端，请查阅其特定文档以了解MCP服务器配置。

4. 重启您的应用程序

重启Claude Desktop、Cursor或VSCode以使更改生效。现在应该可以使用plotnine MCP服务器了！

使用

基本示例

从data.csv创建一个散点图，其中x=年龄，y=身高

高级示例

从sales_data.csv创建一条线图，显示：
- x: 日期，y: 收入，按地区着色
- 使用最小主题，图尺寸为12x6
- 添加平滑趋势线
- 按产品类别分面
- 标题为“Q4销售表现”
- 保存为PDF

可用工具（总计11个）

核心工具

create_plot

创建一个具有完全自定义的plotnine可视化。

必需参数：

data_source：数据源配置
aes：美学映射（列名）
geom 或 geoms：几何图形规范

可选参数：

scales：尺度配置数组
theme：主题配置
facets：分面配置
labels：绘图标签（标题、x、y、注释、副标题）
coords：坐标系统配置
stats：统计变换
transforms：数据变换（新！）
output：输出配置（格式、大小、DPI、目录）

list_geom_types

列出所有20多种可用的几何类型及其描述。

数据工具（新！）

preview_data

预览和检查数据，以便在创建图表之前进行检查。返回数据集形状、列类型、前几行、统计数据和缺失值。

参数：

data_source：数据源配置
rows：要预览的行数（默认：5）

模板工具（新！）

list_plot_templates

列出所有9种可用的图表模板及其描述：

时间序列
带有趋势的散点图
分布比较
类别分解
相关性热图
箱形图比较
多条线
带密度的直方图
前后对比

create_plot_from_template

使用预定义的模板创建图表。只需提供数据和美学；模板会处理其余部分。

参数：

template_name：模板名称
data_source：数据源配置
aes：美学映射
labels：可选标签
output：可选输出配置
overrides：可选模板设置覆盖

suggest_plot_templates

分析您的数据，并根据列类型和可选目标获得AI驱动的图表推荐。

参数：

data_source：要分析的数据源
goal：可选目标（例如，“比较分布”，“展示趋势”）

样式工具（新！）

list_themes

列出所有可用于绘图样式的主题及其描述和自定义选项。

list_color_palettes

列出6类21种颜色调色板：

色盲安全（3种调色板）
科学（4种调色板）
分类（4种调色板）
企业（3种调色板）
顺序（4种调色板）
发散（3种调色板）

参数：

category：可选类别过滤器

配置工具

export_plot_config

将绘图配置导出为JSON，以便重复使用和共享。

参数：

config：要导出的绘图配置
filename：输出文件名
directory：输出目录（默认：'./plot_configs'）

import_plot_config

导入并使用已保存的绘图配置，可选覆盖。

参数：

config_path：已保存配置的路径
overrides：可选参数覆盖

批量工具（新！）

batch_create_plots

一次操作创建多个图表。非常适合生成所有列、成对比较或同一数据的不同可视化。

参数：

plots：绘图配置数组

几何类型

point：散点图点
line：连接点的折线图
bar：条形图（默认计数）
col：柱状图（身份统计）
histogram：连续数据的直方图
boxplot：箱须图
violin：分布的小提琴图
area：折线下的填充区域
density：核密度图
smooth：平滑条件均值
jitter：抖动点（减少过度绘制）
tile：热图/瓷砖图
text：文本注释
errorbar：误差棒
hline/vline/abline：参考线
path：按顺序连接点的路径
polygon：填充多边形
ribbon：区间带

示例

简单散点图

{
  "data_source": {
    "type": "file",
    "path": "./data/iris.csv"
  },
  "aes": {
    "x": "sepal_length",
    "y": "sepal_width",
    "color": "species"
  },
  "geom": {
    "type": "point",
    "params": {"size": 3, "alpha":  0.7}
  }
}

带主题的折线图

{
  "data_source": {
    "type": "url",
    "path": "https://example.com/timeseries.csv"
  },
  "aes": {
    "x": "date",
    "y": "value",
    "color": "category"
  },
  "geom": {
    "type": "line",
    "params": {"size": 1.5}
  },
  "scales": [
    {
      "aesthetic": "x",
      "type": "datetime",
      "params": {"date_breaks": "1 month"}
    }
  ],
  "theme": {
    "base": "minimal",
    "customizations": {
      "figure_size": [12, 6],
      "legend_position": "bottom"
    }
  },
  "labels": {
    "title": "时间序列分析",
    "x": "日期",
    "y": "数值"
  }
}

分面箱形图

{
  "data_source": {
    "type": "inline",
    "data": [
      {"group": "A", "category": "X", "value": 10},
      {"group": "A", "category": "Y", "value": 15},
      {"group": "B", "category": "X", "value": 12}
    ]
  },
  "aes": {
    "x": "group",
    "y": "value",
    "fill": "group"
  },
  "geom": {
    "type": "boxplot"
  },
  "facets": {
    "type": "wrap",
    "facets": "~ category"
  },
  "theme": {
    "base": "bw"
  }
}

多层图：散点图+平滑趋势线

新！层叠多种几何图形以创建复杂的可视化：

{
  "data_source": {
    "type": "file",
    "path": "./data/measurements.csv"
  },
  "aes": {
    "x": "time",
    "y": "value",
    "color": "sensor"
  },
  "geoms": [
    {
      "type": "point",
      "params": {"size": 2, "alpha": 0.6}
    },
    {
      "type": "smooth",
      "params": {"method": "lm", "se": false}
    }
  ],
  "theme": {
    "base": "minimal",
    "customizations": {"figure_size": [12, 6]}
  },
  "labels": {
    "title": "传感器读数及趋势线",
    "x": "时间",
    "y": "测量值"
  }
}

带抖动点的箱形图

展示分布摘要和个别数据点：

{
  "data_source": {
    "type": "file",
    "path": "./data/experiment.csv"
  },
  "aes": {
    "x": "treatment",
    "y": "response",
    "fill": "treatment"
  },
  "geoms": [
    {
      "type": "boxplot",
      "params": {"alpha": 0.7}
    },
    {
      "type": "jitter",
      "params": {"width": 0.2, "alpha": 0.5, "size": 1}
    }
  ],
  "theme": {
    "base": "bw"
  },
  "labels": {
    "title": "治疗效果及个别观察"
  }
}

聊天示例

您可以通过自然语言创建图表：

“创建users.csv中‘年龄’列的直方图”

“制作一个散点图，显示价格与尺寸的关系，按类别着色，并带有平滑趋势线”

“从sales.csv创建一条线图，x轴为日期，y轴为收入，按地区分面，使用深色主题”

“创建一个比较不同学校测试分数分布的小提琴图”

“制作一个显示季节温度的箱形图，并叠加个别数据点”

“创建一个散点图，每个类别都有线性趋势线，展示学习时间和测试成绩之间的关系”

使用新工具

“预览sales.csv中的数据，然后再绘图”

“有哪些主题可用？”

“显示所有可用的图表模板”

“为我的数据推荐合适的图表类型”

“使用模板创建时间序列图”

“列出科学类别的所有颜色调色板”

“导出此绘图配置，以便以后重复使用”

“从my_config.json加载绘图配置，并用于不同的数据集”

“从保存的配置创建图表，但将主题更改为最小”

“为数据集中的每个类别创建图表”（批量处理）

“过滤数据，仅显示活跃用户，然后创建直方图”（数据转换）

新示例

使用模板

使用带有趋势线的散点图模板创建图表：

“使用scatter_with_trend模板绘制我的数据中的身高与体重”

这将自动创建一个具有以下内容的图表：

散点图点（透明度）
线性回归线
置信区间
最小主题

使用颜色调色板

“创建一个使用色盲安全的Okabe-Ito调色板着色的条形图”

数据转换

“过滤销售数据，仅显示第四季度，按地区分组，汇总收入，然后创建条形图”

这将在绘图前应用转换：

过滤：“季度 == ‘Q4’”
分组及汇总：按地区汇总收入
绘制：结果的条形图

批量处理

“为我数据集中的所有数值列创建直方图”

配置选项

主题

可用的基础主题：

gray（默认）
bw（黑白）
minimal
classic
dark
light
void

尺度类型

位置：连续、离散、log10、sqrt、datetime
颜色/填充：渐变、离散、brewer

坐标系统

cartesian（默认）
flip（交换x和y）
fixed（固定纵横比）
trans（转换坐标）

输出

默认情况下，图表保存到./output目录，作为300 DPI的PNG文件。您可以自定义：

格式：png、pdf、svg
文件名：自定义文件名（默认自动生成）
宽度/高度：英寸单位的尺寸
dpi：光栅格式的分辨率
目录：输出目录路径

故障排除

“模块未找到”错误

确保已安装该包：

pip install -e .

Parquet/Excel支持

安装可选依赖项：

pip install -e ".[full]"

“无法找到数据文件”

使用绝对路径或相对于Claude Desktop运行位置的相对路径。

图表未渲染

检查：

aes中的列名是否与您的数据匹配
数据类型是否适合几何图形
提供了所需的美学（例如，大多数几何图形需要