一个专业的视觉工具，用于从 Meta-Analysis 数据中创建和自定义高质量的森林图。
安装与下载
1. ClawHub CLI
从源直接安装技能的最快方式。
npx clawhub@latest install forest-plot-styler
2. 手动安装
将技能文件夹复制到以下位置之一
~/.openclaw/skills/ <project>/skills/ 优先级：工作区 > 本地 > 内置
3. 提示词安装
将此提示词复制到 OpenClaw 即可自动安装。
请帮我使用 Clawhub 安装 forest-plot-styler。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。
更倾向于下载？
获取包含原生技能文件的ZIP压缩包。
什么是 Forest Plot Styler？
Forest Plot Styler 是一款专门的技术实用程序，旨在将原始 Meta-Analysis 数据转换为可供发表的可视化图表。通过自动渲染特定研究的 Odds Ratio 和置信区间，该工具允许研究人员和数据科学家超越基础图表，实现临床和统计数据的高度自定义、美学呈现。
该技能旨在无缝集成到现代研究工作流中，处理诸如子组分析显示和自动合并效应计算等复杂任务。无论您是需要用于期刊的简约灰度图，还是用于演讲的高分辨率彩色 PNG，Openclaw Skills 库中的这一项都提供了专业级结果所需的粒度控制。
Forest Plot Styler 应用场景
- 为同行评审的医学或科学出版物创建高分辨率森林图。
- 可视化子组分析，以识别不同研究人口统计数据或治疗方法之间的差异。
- 生成 PDF 或 SVG 格式的矢量图形，用于可缩放的学术海报。
- 使用钻石图或自定义标记自动计算并显示合并效应值。
Forest Plot Styler 工作原理
- 用户提供包含研究名称、Odds Ratio 和置信区间边界的结构化 CSV 或 Excel 文件。
- 脚本使用 pandas 解析数据，并验证 study 和 or 等必填列。
- 应用自定义参数设置视觉样式，包括点颜色、线厚度和字体大小。
- 工具计算合并效应，并将研究权重映射到 Odds Ratio 标记的大小。
- 通过 matplotlib 渲染最终图表，并导出为用户指定的文件格式 (PNG, PDF, 或 SVG)。
Forest Plot Styler 配置指南
要在 Openclaw Skills 环境中使用此工具，请确保已安装 Python 3.8+，然后设置所需的依赖项：
# Install required Python packages
pip install matplotlib pandas numpy openpyxl
# Basic execution command
python scripts/main.py --input your_data.csv --output forest_plot.png
Forest Plot Styler 数据架构与分类体系
该技能需要结构化的表格输入。数据根据以下分类组织：
| Column | Type | Requirement | Description |
|---|---|---|---|
study |
Text | Required | 个人研究或试验的名称。 |
or |
Numeric | Required | Odds Ratio (OR) 或效应值大小。 |
ci_lower |
Numeric | Required | 95% 置信区间的下限。 |
ci_upper |
Numeric | Required | 95% 置信区间的上限。 |
weight |
Numeric | Optional | 决定 OR 点的相对大小。 |
subgroup |
Text | Optional | 用于为子组分析对研究进行分类。 |
Forest Plot Styler 高级特性
- 支持 PNG、高保真 PDF 和可缩放 SVG 矢量的多格式导出。
- 预设主题支持，包括用于期刊的 'minimal' 和用于现代数字演示的 'dark'。
- 当检测到对数刻度时自动转换 OR 值，以获得更好的视觉分布。
- 基于权重的动态点大小，以反映每项研究的统计贡献。
- 自定义参考线位置（默认为 OR=1），一眼即可突出统计学意义。
SKILL.md
加载中
Openclaw 相关技能
Find Affiliates
一种高精度的搜索和分析工具，旨在为电子商务品牌识别、审核并优先排序基于绩效的推广合作伙伴和附属机构（Affiliates）。
精选*
