科研论文配图的绘制与配色基础学习笔记01

  该笔记是datawhale平台开展的共读《科研论文配图绘制指南–基于Python》学习内容开展的笔记。
开源内容：https://github.com/datawhalechina/paper-chart-tutorial

一、环境包安装

1 创建并激活虚拟环境
      python -m venv name_venv
     .\scripts\activate
 2 安装依赖
       pip install proplot 
       pip install matplotlib==3.4.3 
       conda install seaborn==e.11.2 
       pip install scienceplots
       pip install openpyxl

二、论文配图–线性图

  科研论文配图分为线性图、灰度图、照片彩图和综合配图四类。其中线性图是指由包括Python、R、MATLAB 等编程软件，以及 Excel、SPSS、Origin（OriginLab 公司出品）等集成软件在内的绝大多数数据分析工具输出的多种插图样式，如折线图、散点图、柱形图等，是科技论文的主要配图。
  科研论文配图主要包括 X 轴（X axis）、Y 轴（Y axis）、X 轴标签（Xaxis label）、Y轴标签（Y axis label）、主刻度（Major tick）、次刻度（Minor tick）和图例（Legend）等，如图 1-1-1 所示。

三、配图格式

  科研论文中常见的插图格式有像素图和矢量图。

• 像素图（位图）是以单个像素为单位，通过对像素进行组合和排列，来显示图片格式。像素图放大到一定程度会失真。常见像素图格式包括 JPEG、PSD、PNG、TIFF。其中，JEPG 是一种常用的有损压缩图片格式，处理起来较容易，但像素分辨率低、清晰度差、色彩损失大。
• 矢量图的图像文件包含独立的分离图像，可以自由、无限制地进行重新组合，其特点是放大后图像不会失真，与分辨率无关。常见的矢量图格式包括 EPS、PDF、AI、SVG，其中，EPS 格式的图片文件小、显示质量高、色彩保真度高，印刷时的字样较为清晰，是常用的论文配图格式。
• 对于科研论文中每幅插图的尺寸，期刊往往不会有严格的要求， 保持可阅读性和整洁性、协调性和整体美观性。

四　色彩模式

  常见色彩模式包括 RGB 色彩模式、CMYK 色彩模式和 HEX 色彩模式。
  1 RGB 色彩模式
  RGB 色彩模式是指通过混合红（Red）、绿（Green）、蓝（Blue）3 种颜色来表现各种色彩。是目前使用较为广泛的颜色系统。

  2 CMYK 色彩模式
  它是一种主要用于彩色印刷的四色模型，其中，C 表示青色（Cyan），M 表示品红色（Magenta），Y 表示黄色（Yellow），K 表示黑色（blacK）。RGB 色彩模式表示的颜色更多，但并不表示它们能够全部印刷出来。理论上，青、品红和黄色混合一起就可得黑色效果，但依照目前的工艺制造水平，混合后得到的效果为暗红色，因此，需要加入一种专门的黑墨来中和，即使用定位套版色（黑色）（Key Plate（Black）），以确保输出黑色。

  3 HEX 色彩模式
  HEX 色彩模式，又称十六进制色彩模式。是通过红、绿、蓝三原色的混合而产生各种颜色。

HEX 色彩模式常用于在代码中表示颜色，这一点方便我们在利用代码绘制科研论文配图时更换颜色。例如： ：

上述图表的程序代码如下：

  从代码中可以看出，在上图中，当colors=[“#000000”,“#40D050”,“#F06B9B”,“#FFFFFF”]，可以看出，000000为全黑，FFFFFF为全白。只需要对基于HEX 色彩模式的colors数值进行修改，就能得到不同的颜色。

五　配色策略

  配色是科研论文配图绘制过程中的重要维度。本节介绍科研论文配图色轮配色、主题配额和色系配色 三中策略。

1 色轮模式

  色轮（color wheel）又称色环，一般由 12 种基本颜色按照圆环方式排列组成。允许用户自行设计具有个人风格的配色方案。常见的色轮配色方案有单色配色方案（monochromaticcolor scheme）、互补色配色方案（complementary color scheme）、等距三角配色方案（triadiccolor scheme）和四角配色方案（tetradic color scheme）。颜色太多会影响可读性，因此通常不采用四色以上颜色。

2　主题模式

  颜色主题是按照一定美学规律设计的，对其灵活使用可以提高插图的美观度。用户可根据自身绘图需求选择合适的颜色主题或自定义颜色主题。

期刊	颜色配置
NPG	[“#E64B35”,“#4DBBD5”,“#00A087”,“#3C5488”]
AAAS	[“#3B4992”,“#EE0000”,“#008B45”,“#631879”]
NEJM	[“#BC3C29”,“#0072B5”,“#E18727”,“#20854E”]

3　色系模式

   绘图的一个关键就是颜色属性的选取和搭配。Matplotlib 库的颜色主题主要包括 3 种类型：单色系（sequential）、双色渐变色系（diverging）和多色系（qualitative）。图 1-2-14 所示为使用 Seaborn 库中 Tips 数据集绘制的单色系中的 ylgnbu 色系、双色渐变色系中的 seismic 色系和多色系中的set1 色系。

以上图例开源代码如下（编写时间：2022年2月04日 22：40，《科研论文配图绘制指南–基于Python》作者: 宁海涛）

import numpy as np
import pandas as pd
import seaborn as sns
import proplot as pplt
import matplotlib.pyplot as plt
from matplotlib import cm
from colorspacious import cspace_converter

from proplot import rc
rc["font.family"] = "Times New Roman"
rc["axes.labelsize"] = 13
rc['tick.labelsize'] = 11
rc["suptitle.size"] = 15
tips = sns.load_dataset("tips")
#使用Scienceplots包绘图主题绘制（需安装Scienceplots包(pip install SciencePlots)，不同版本引用方式有所不同，请注意！）
#'' 单色系可视化绘制示例
with plt.style.context(['science']):
	from proplot import rc
	rc["xtick.minor.visible"] = False
	rc["ytick.minor.visible"] = False
	rc["xtick.major.pad"] =5
	fig,ax = plt.subplots(figsize=(3,3.2),dpi=100,facecolor="w")
	scatter = ax.scatter(x="total_bill",y="tip",c="tip",data=tips,ec="k",
          	 cmap="YlGnBu")
	for spine in ["top","right"]:
    	ax.spines[spine].set_visible(False)
 	ax.tick_params(top=False,right=False)
	cax = ax.inset_axes([0.1, .85, 0.6, 0.05], transform=ax.transAxes)
	colorbar = fig.colorbar(scatter, ax=scatter, cax=cax,orientation="horizontal")
	colorbar.ax.tick_params(bottom=True,direction="in",labelsize=8,pad=3)
	colorbar.ax.xaxis.set_ticks_position('top')
	colorbar.outline.set_linewidth(.4)
	ax.grid(False)
	ax.set_ylim(0,12)
	ax.set_xlabel("X Label")
	ax.set_ylabel("Y Label")
	plt.tight_layout()
	plt.savefig(r'r"\第1章 科研论文配图的绘制与配色基础\图1-2-14 使用seaborn库中Tips数据集绘制的单色系、双色渐变色系和多色系可视化配图示例_a.pdf',bbox_inches='tight')
	plt.savefig(r'r"\第1章 科研论文配图的绘制与配色基础\图1-2-14 使用seaborn库中Tips数据集绘制的单色系、双色渐变色系和多色系可视化配图示例_a.png', 
      bbox_inches='tight',dpi=300)
		plt.show()

  可以看出， 三张图的主要区别在于scatter中配色参数cmap的选择不同。配色映射表上有不同颜色对应的Camp赋值符号，具体可参加matplotlib网站或者在博客：http://t.csdn.cn/pdIzU或者《科研论文配图绘制指南–基于Python》开源学习资料https://github.com/datawhalechina/paper-chart-tutorial。

六 结论

  色彩是论文绘图的重要元素。懂得了配色原理，尤其是这本书作者提供了大量开源代码，我们既可方便地通过现有工具进行配置，也可以通过手工编程直接修改颜色属性，进行配色和修色。