科研论文配图绘制指南-Task01

本文是根据 datawhale 开源科研论文配图绘制指南 做的笔记

第一章内容 科研论文绘制基础和配色基础

项目地址

一、绘制工具及其重要特征

Matplotlib

python的可视化绘图工具

优点：提供几十种绘图函数，用户可定制视觉样式和排版布局

缺点：面向对象的绘制语法学习成本高、便捷性和逻辑性不如R的ggplot2

Seaborn

Python的可视化绘图工具，在Matplotlib上进行封装，Matplotlib中大多数绘图函数的参数都可以在Seaborn绘图函数中使用。学习成本比Matplotlib低。

Proplot

是Matplotlib面向对象绘图方法的高级封装库，整合了cartopy/Basemap/地图库/xarray和pandas，可弥补Matplotlib的部分缺陷，让使用者拥有更顺滑的绘图体验和绘图主题。

由于是个人开发，更新频率不是太高。

注：目前不支持3.5版本系列的Matplotlib。

SciencePlots

专门用于科研论文绘图的第三方工具包，提供了主流英文科技期刊（Nature、Science和IEEE等）的Matplotlib图样式（绘图主题）(Matplotlib Styles)。

二、绘图代码分析

1.1.1 科研论文配图基本构成

源代码：

import numpy as np
import pandas as pd
import seaborn as sns
import proplot as pplt
import matplotlib.pyplot as plt

from proplot import rc
rc["font.family"] = "Times New Roman"
rc["axes.labelsize"] = 15
rc['tick.labelsize'] = 13
rc["suptitle.size"] = 15

plt.style.use('science')  # 使用 'science' 风格的样式，需要安装 SciencePlots 库

data = pd.read_excel(r"基本构成示意绘图数据.xlsx")  # 从 Excel 文件中读取数据

fig = pplt.figure(figsize=(4.5, 3.5))  # 创建一个大小为 4.5x3.5 的图像
ax = fig.subplot()  # 添加一个子图
ax.format(abc='(a.)', abcloc='ul', abcsize=20,  # 设置图表标签、位置、字体样式
          xlabel='Time', ylabel='Values',  # 设置坐标轴标签文字
          xlim=(-2, 40), ylim=(-8, 30))  # 设置坐标轴范围

selsect = ["A", "B", "C", "D"]  # 数据点的类型
colors = ["#2FBE8F", "#459DFF", "#FF5B9B", "#FFCC37"]  # 绘制不同类型数据使用的颜色

for index, color in zip(selsect, colors):
    data_selcet = data.loc[data['type'] == index, :]  # 根据不同类型选择数据
    ax.errorbar(x=data_selcet["time"], y=data_selcet["mean"], yerr=data_selcet["sd"],
                color="k", linewidth=1, marker='o', ms=10, mew=1, mec='k', mfc=color, capsize=5, label=index)
# 在图中添加误差线和散点，并设置不同颜色

ax.legend(ncols=4, frame=True, loc='t')  # 添加图例
#fig.save(r"\第1章 科研论文配图的绘制与配色基础\\图1-1-1 科研论文配图基本构成示意图.svg")
# 保存图像，注释掉了保存命令

plt.show()  # 显示图像