Scientific Visualization — 科学可视化

科学可视化概述 科学可视化将数据转换为清晰、准确的图表，以便发表。使用多面板布局、错误条、显著性标记和色盲安全调色板创建期刊级别的图表。使用 matplotlib、seaborn 和 plotly 将图表导出为 PDF/EPS/TIFF 格式，以便用于稿件。 何时使用此技能 此技能应在以下情况下使用： 创建用于科学稿件的图表或可视化 为期刊提交准备图表（Nature、Science、Cell、PLOS 等） 确保图表是色盲友好和可访问的 创建具有统一样式的多面板图表 以正确的分辨率和格式导出图表 遵循特定的出版指南 改进现有的图表以满足出版标准 创建需要在颜色和灰度中均有效的图表 快速入门指南 基本的出版质量图表 import matplotlib.pyplot as plt import numpy as np # 应用出版样式（来自 scripts/style_presets.py） from style_presets import apply_publication_style apply_publication_style('default') # 创建具有适当大小的图表（单列 = 3.5 英寸） fig, ax = plt.subplots(figsize=(3.5, 2.5)) # 绘制数据 x = np.linspace(0, 10, 100) ax.plot(x, np.sin(x), label='sin(x)') ax.plot(x, np.cos(x), label='cos(x)') # 使用单位进行适当标签 ax.set_xlabel('时间（秒）') ax.set_ylabel('幅度（毫伏）') ax.legend(frameon=False) # 删除不必要的边框 ax.spines['top'].set_visible(False) ax.spines['right'].set_visible(False) # 保存为出版格式（来自 scripts/figure_export.py） from figure_export import save_publication_figure save_publication_figure(fig, 'figure1', formats=['pdf', 'png'], dpi=300) 使用预配置样式 使用 assets/ 中的 matplotlib 样式文件应用期刊特定样式： import matplotlib.pyplot as plt # 选项 1：直接使用样式文件 plt.style.use('assets/nature.mplstyle') # 选项 2：使用 style_presets.py 帮助函数 from style_presets import configure_for_journal configure_for_journal('nature', figure_width='single') # 现在创建图表 - 它们将自动匹配 Nature 规范 fig, ax = plt.subplots() # ... 您的绘图代码 ... 使用 Seaborn 快速入门 对于统计图表，使用带有出版样式的 seaborn： import seaborn as sns import matplotlib.pyplot as plt from style_presets import apply_publication_style # 应用出版样式 apply_publication_style('default') sns.set_theme(style='ticks', context='paper', font_scale=1.1) sns.set_palette('colorblind') # 创建统计比较图表 fig, ax = plt.subplots(figsize=(3.5, 3)) sns.boxplot(data=df, x='treatment', y='response', order=['Control', 'Low', 'High'], palette='Set2', ax=ax) sns.stripplot(data=df, x='treatment', y='response', order=['Control', 'Low', 'High'], color='black', alpha=0.3, size=3, ax=ax) ax.set_ylabel('响应（μM）') sns.despine() # 保存图表 from figure_export import save_publication_figure save_publication_figure(fig, 'treatment_comparison', formats=['pdf', 'png'], dpi=300) 核心原则和最佳实践

• 分辨率和文件格式

关键要求（详见 references/publication_guidelines.md）： 光栅图像（照片、显微镜）：300-600 DPI 线条艺术（图表、图形）：600-1200 DPI 或矢量格式 矢量格式（首选）：PDF、EPS、SVG 光栅格式：TIFF、PNG（永远不要使用 JPEG 格式的科学数据） 实现： # 使用 figure_export.py 脚本进行正确的设置 from figure_export import save_publication_figure # 以多种格式和正确的 DPI 保存 save_publication_figure(fig, 'myfigure', formats=['pdf', 'png'], dpi=300) # 或保存为特定期刊的要求 from figure_export import save_for_journal save_for_journal(fig, 'figure1', journal='nature', figure_type='combination')

• 颜色选择 - 色盲无障碍

始终使用色盲友好调色板（详见 references/color_palettes.md）： 推荐：Okabe-Ito 调色板（所有类型的色盲都可以区分）： # 选项 1：使用 assets/color_palettes.py from color_palettes import OKABE_ITO_LIST, apply_palette apply_palette('okabe_ito') # 选项 2：手动指定 okabe_ito = ['#E69F00', '#56B4E9', '#009E73', '#F0E442', '#0072B2', '#D55E00', '#CC79A7', '#000000'] plt.rcParams['axes.prop_cycle'] = plt.cycler(color=okabe_ito) 对于热图/连续数据：使用感知统一的颜色映射：viridis、plasma、cividis 避免红绿分离映射（使用 PuOr、RdBu、BrBG 代替） 永远不要使用 jet 或彩虹颜色映射 始终在灰度下测试图表以确保可解释性。

• 字体和文本

字体指南（详见 references/publication_guidelines.md）： 无衬线字体：Arial、Helvetica、Calibri 最小尺寸（以最终打印尺寸为准）： 轴标签：7-9 pt 刻度标签：6-8 pt 面板标签：8-12 pt（粗体） 标签的句子大小写：“时间（小时）”而不是“时间（小时）” 始终在括号中包含单位。