Nature审稿人喜欢的绘图配色分享（附颜色代码）

最新推荐文章于 2025-05-20 20:34:47 发布
最新推荐文章于 2025-05-20 20:34:47 发布
阅读量219 收藏
点赞数 1
分类专栏： 深度学习 文章标签： 科研 深度学习 绘图
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Magnolia_He/article/details/147025979
版权

科研绘图配色分享（附颜色代码）

这篇笔记整理了【Nature正刊绘图配色】，对于写论文或者是参加数学建模比赛

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

跟着顶刊学科研绘图——nature配色篇（一）
magiconecube的博客
01-23 7150
只有朝着100分学习，才能想出80分的想法，交出60分的答卷。今日一起跟着nature培养科研绘图配色的美感。
跟着顶刊学科研绘图——nature配色篇（二）
magiconecube的博客
01-24 7716
只有朝着100分学习，才能想出80分的想法，交出60分的答卷。今日继续一起跟着nature培养科研绘图配色的美感。
跟着顶刊学科研绘图——nature配色篇（三）
magiconecube的博客
01-26 1万+
只有朝着100分学习，才能想出80分的想法。今日继续一起跟着nature培养科研绘图配色的美感。
生态、遥感论文配色: 最新Natura绘图配色案例，与R调用代码！
qq_582599301的博客
06-11 837
生态、遥感论文配色: 最新Natura绘图配色案例，与R调用代码！
关于画图-一次性搞定各类高级论文作图及配色
bzy90299的博客
05-12 4376
图（Figure）可以让各类论文的结果更加直观，有时候一张图片比一大段文字更有说服力。但许多新手作者可能会有一连串的疑惑：数据这么多，什么时候该做什么类型的图？好图该怎么配色？那些精美又复杂的示意图又是怎么制作的呢？没关系，自己不会，可以借鉴顶刊论文啊！站在巨人的肩膀上，你也是巨人！一起来学习一下Nature论文的图片及配色吧！图片的类型有很多种，从图片形式大致上可以分为两种：一是由数据生成的，即数据型图片；二是非数据生成的，即示意型图片。
R语言绘制Venn图(文氏图、温氏图、维恩图、范氏图、韦恩图)
zegeai的博客
10-14 2228
Venn图，又称文氏图，标题中其他名字也是它的别称，由封闭圆形组成，代表不同集合。圆形重叠部分表示集合交集，非重叠处为独有元素。在生物学、统计学等领域广泛应用，可展示不同数据集相似性与差异，辅助逻辑分析。以直观方式呈现复杂集合关系，是有力的可视化工具。
论文配色：跟着顶刊学配色（Nature篇）
热门推荐
2301_77413856的博客
07-05 16万+
示例："CMYK(0%, 100%, 100%, 0%)"表示红色，"CMYK(100%, 0%, 100%, 0%)" 表示绿色，"CMYK(100%, 100%, 0%, 0%)" 表示蓝色。示例："RGB(255, 0, 0)" 表示红色，"RGB(0, 255, 0)" 表示绿色，"RGB(0, 0, 255)" 表示蓝色，"RGB(255, 255, 255)" 表示白色。示例："#FFFFFF" 表示白色，"#000000" 表示黑色，"#FF0000" 表示红色。0表示黑色，100表示白色。
Nature风格Matlab科研绘图：双轴柱线图模板
期刊编辑和审稿人往往对图表的第一印象非常看重，一个设计良好、视觉效果突出的图表，能够给编辑和审稿人留下专业和细心的印象，这对于论文的发表有着积极的作用。 为了达到Nature的配色要求，Matlab模板中会预先...
第1讲｜R语言绘图体系总览（Base、ggplot2、ComplexHeatmap等）
weixin_73531395的博客
04-25 814
它基于**图层叠加（Grammar of Graphics）**理念，模块化绘图，逻辑清晰。其他专用图系统（circlize、survminer、igraph等等）我们将从最基础的色彩理论入手，带你掌握做出“高大上图表”的第一步！（Base、ggplot2、ComplexHeatmap等）不同体系各有所长，未来在不同场景中你可以灵活选择！（比如基因组数据、土壤特性、气候参数矩阵），复杂数据可视化（多组、多条件、多图组合）组学研究（转录组、代谢组、微生物组）几乎是目前最顶级的选择！—— 规范，灵活，美观。
跟Nature学SCI图片高级配色
leroylee7的博客
12-05 2万+
图片结果可以说是一篇 SCI 的灵魂，好看的图片会为文章增色不少，能够更好的展示研究结果，并起到愉悦编辑和审稿人身心的作用（并没有）。 其中，图片的配色这一问题往往被众多的科研人员所忽略，毕竟…我们是科研狗，而不是设计狗（汪！）。 彩色的世界 那么，各位先来跟笔者看一看下面两张图，是不是立刻就 get 到了配色的重要性！ 图 1 （图片来源：文献截图） （上图 PMID: 26064249；下图 PMID: 31534227） 不过，大多数学者可...
ggsci | 让你的配色Nature化
weixin_45822007的博客
03-26 9006
R科研绘图调色板—ggsci包 简介 ggsci提供了一系列高质量的调色板，其灵感来自于期刊、电影等。ggsci中的调色板可用于ggplot2。基本用法： scale_color_palname() scale_fill_palname() #安装并加载ggsci包 install.packages("ggsci") library("ggsci") library("ggplot2") library("gridExtra") 离散型调色板 使用散点图和条形图来演示ggsci中的调色板。 #示例.
从代码学习深度学习 - 预训练word2vec PyTorch版
最新发布
weixin_43887510的博客
05-20 853
词嵌入（Word Embeddings）是自然语言处理（NLP）领域中的基石技术之一。它们将词语从稀疏的、高维的独热编码（one-hot encoding）表示转换为稠密的、低维的向量表示。这些向量能够捕捉词语之间的语义和句法关系，使得相似的词在向量空间中距离更近。Word2Vec是其中一种非常流行且有效的词嵌入算法，由Google的Tomas Mikolov等人在2013年提出。
基于LSTM-GARCH混合模型的黄金价格波动率预测：信用降级事件冲击评估
05-19 1203
本文基于多模态数据融合与因果推理框架，本文构建黄金价格驱动因子图谱，揭示主权信用评级调整、地缘风险与货币政策预期的交互作用机制。5月19日亚市收盘，现货黄金突破3245美元/盎司关键阻力位，日内波幅达1.4%，技术面呈现典型的动量突破形态，但需警惕3250美元区域的多空博弈风险。
YOLOv7训练时4个类别只出2个类别
qq_48873240的博客
05-16 1083
在使用YOLOv7进行训练和预测时，发现模型仅能预测出两个类别（LFM和SFM），而实际应有四个类别。经过检查，特征图大小和anchors设置均与YOLOv3一致，且YOLOv3表现正常。最终发现问题可能出在detect.py中的conf-thres参数设置过高，将其从0.5调整为0.1后，问题得到解决。此外，还需注意在NMS操作时不使用classes参数，并在train.py中根据实际类别数和图片大小调整hyp['cls']和hyp['obj']的缩放比例。这些调整有助于确保模型能够正确预测所有类别。
基于深度学习的高效图像失真校正框架总结
weixin_56337944的博客
05-16 818
本文介绍了一种基于深度学习的高效图像失真校正框架，该框架采用两阶段方法进行图像校正。第一阶段使用改进的GeoNet（EffiGeoNet）进行初步校正，通过模型剪枝和知识蒸馏实现轻量化；第二阶段通过图像配准优化，消除残留失真。实验表明，该方法在PSNR和SSIM指标上分别提高了10.39%和30.42%，处理速度提升了85%。该框架适用于多种失真类型，并在医疗内窥镜等实际场景中表现出色。未来研究方向包括增强全局特征提取能力和开发无需参考图像的端到端校正网络。代码和数据已开源，便于复现和进一步研究。
LSTM语言模型验证代码
lele52141的专栏
05-20 745
使用 model.predict() 替代 predict_classes()# 使用 model.predict() 替代 predict_classes()# 使用 model.predict() 替代 predict_classes()# 对于多分类问题（softmax输出），获取预测类别索引。# 对于多分类问题（softmax输出），获取预测类别索引。# 对于多分类问题（softmax输出），获取预测类别索引。----------生成训练数据---------
什么是 AI 人工智能？什么是机器学习？什么是深度学习？三者啥关系
人工智能研究所的博客
05-20 794
AI 到底是个啥？跟咱有啥关系？一文帮你搞懂！ 最近是不是老听到 “AI”、“人工智能” ，“机器学习”，“深度学习”这些词？感觉挺高大上，但又有点懵？别担心，今天咱们就用大白话聊聊，AI 到底是个啥玩意儿！
计算机视觉与深度学习 ｜ Python实现EEMD-LSTM时间序列预测（完整源码和数据)
尘世冰封的专栏
05-17 175
EEMD-LSTM通过。
python科研绘图三色
03-15
### 如何在Python科研绘图中实现三色效果 为了实现在科研绘图中的三色效果，可以利用 `matplotlib` 和 `seaborn` 提供的功能来定制颜色方案。以下是具体方法： #### 使用 Matplotlib 实现三色柱状图 通过设置不同的颜色参数，可以在柱状图中应用三种不同颜色。以下是一个简单的例子[^1]： ```python import matplotlib.pyplot as plt categories = ['A', 'B', 'C'] values = [10, 20, 15] colors = ['#FF9999', '#66B2FF', '#99FF99'] # 自定义三色方案 plt.bar(categories, values, color=colors) plt.title('Three-color Bar Chart') plt.xlabel('Categories') plt.ylabel('Values') plt.show() ``` #### 利用 ColorBrewer 配色方案 ColorBrewer 是一种专业的配色工具，提供了多种科学可视化友好的颜色组合[^2]。可以通过导入其预设的颜色主题来快速创建美观的图表。例如，在 Matplotlib 中可以直接加载这些颜色： ```python from palettable.colorbrewer.qualitative import Set3_12 colors = Set3_12.mpl_colors[:3] # 获取前三种颜色作为三色方案 plt.bar(categories, values, color=colors) plt.title('Bar Chart with ColorBrewer Colors') plt.xlabel('Categories') plt.ylabel('Values') plt.show() ``` #### 结合 Seaborn 进行高级美化 Seaborn 是基于 Matplotlib 的高层次数据可视化库，支持更复杂的样式调整。它也内置了许多优秀的调色板，适合用于科学研究中的三色设计[^3]。 下面展示如何使用 Seaborn 创建带有三色渐变效果的散点图： ```python import seaborn as sns import numpy as np sns.set_theme(style="whitegrid") # 数据生成 data = {'x': np.random.rand(30), 'y': np.random.rand(30)} df = pd.DataFrame(data) palette = sns.color_palette("hsv", n_colors=3) # 定义HSV空间下的三色彩盘 ax = sns.scatterplot(x='x', y='y', data=df, palette=palette, hue=np.repeat(['Red', 'Green', 'Blue'], 10)) ax.set_title('Scatter Plot with Three Distinct Colors') plt.show() ``` 以上代码片段展示了如何灵活运用 Python 工具链完成高质量的三色科研绘图任务。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值