[科研论文绘图]学习笔记分享（上）

1、导 读

作为科研工作者，高质量的论文图表对论文的质量和可读性有关键性的提升作用。然而许多科研人员，包括本人在内，对论文配图的方法和技巧并不那么得心应手。在这篇学习笔记中，我将分享对这科研绘图的学习内容，干货满满。

关注公众号 [小Z的科研日常] ，后台回复 科研论文配图 获取PDF图书。

2、学习笔记

🌐 论文配图和配色 🌐

常见的论文配图主要以线型图进行展示，也是本笔记重点介绍的内容。科研论文配图主要包含X轴、Y轴、主刻度、次刻度和图例等组成，如下所示。

科研论文配图基本构成

科学引文索引（SCI）期刊通常要求插图分辨率大于300dpi。中文期刊规定文字应为宋体或黑体，英文期刊可采用Arial、Helvetica或Times New Roman字体。

在版式设计上，配图中字号不得大于正文字号，行距、文字间距应与正文一致。结构布局上，配图一般位于引用文字下方或右侧，即"先文后图"。颜色搭配应避免过亮或过暗，相邻图层元素颜色不宜相近。

论文插图配色建议使用色轮方法进行配色，常见的色轮配色方案有单色、互补色、等距三角和四角配色方案，本书中分别进行了一一详细解释，下图展示了12色的4种配色方案和不同配色的颜色带。

色轮配色方案（左）        色带配色方案（右）

下图为上述配色方案的实际效果。

多种不同配色方案效果

🗣️ 绘图技巧与应用 🗣️

我们当前常用的Mtplotlib采用面向对象的绘图方式，在同一个坐标系中，Matplotlib可设置zorder参数设定不同图层，默认图层顺序及示例对比如下图所示。

图层示意(左)   修改zorder前后对比示意图(右)

在进行多子图绘制时，该书不仅介绍了subplot、add_subplot等函数的使用方法，还从不同角度详细介绍了如何实现对不规则子图的绘制，让绘制的图像更加贴合论文排版布局，下图为不规则子图示例图。

不规则多子图示例

在期刊论文中，虽然Matplotlib或Proplot库能绘制出插图结果，但是我们还需根据期刊绘图要求进行定制化修改，这也导致了用户忽略一些图层细节要求。

该书作者介绍了多种不同绘图库，从安装、配置、定制化绘图进行了一一详解和代码示例。下图是针对不同期刊的定制化绘图示例。

期刊论文插图示例

🖼️ 单变量图形的绘制 🖼️

单变量图主要使用一个数据组的一个变量进行相应图的绘制，想要可视化这个变量，就需要根据不同的数据变量类型绘制图，图类型主要包含直方图、密度图、Q-Q图、P-P图和经验分布函数图。

限于篇幅，本小节将以经验分布函数图为例进行详细讲解。在Python中，我们可根据经验分布的函数定义编写自定义函数，实现用于绘制经验分布函数图的结果数值的计算。

除自定义函数以外，Seaborn库中的scdfplot()函数可以绘制经验分布函数图。statsmodels库中的ECDF()函数可返回经验分布的一系列结果。下图分别展示了原始数据直方图（左）、利用Seaborn库中的ecdfplot()函数绘制了经验分布函数图（中）和利用statesmodels库的ECDF()函数绘制的经验分布函数图（右）。

原始数据              Seaborn               StatesModels

有时，我们需要在经验分布函数图中添加必要的属性（如文本信息、测试点）和用于对比的理论经验分布函数图。下图为添加了测试点、测试点文本信息、理论经验分布函数图（图中黑色曲线）的绘图结果。

Matplotlib绘制（左）    ProPlot绘制（右）

为了更好地理解，我们可以进行基于不同数量的样本数据的经验分布函数图的对比分析。下图为基于不同数量的正态分布数据的经验分布函数图，图中还绘制了对应的累积分布函数曲线和置信带用于对比分析。

📊 双变量图形的绘制 📊

与单变量图只关注单组数据的规律和特点不同，我们可以通过双变量图形发掘样本数据集中不同特征变量间的关系，继而对比分析样本数据集变量的规律，实际上，在科研论文配图的绘制过程中，双变量图形一直是一种最常见且涉及领域较广的统计类图形。

而在绘制配图时，还需考虑变量为连续型或离散型进而选择合适的配图类型。当然，除了上述提及的配色方案，我们还可以基于纹理填充凸显出数据的对比。比如使用不同的纹理填充对柱形图进行样式 填充，从而形成纹理填充柱形图。相对使用不同配色表示，纹理填充更加符合学术期刊的图标会组织要求，通过设置Marplotlib库中axxes.Axes.bar()函数的hatch参数即可。下图展示Matplotlib的纹理填充堆积柱形图示例。

而将纹理填充与配色方案相结合进行简单对比，以环形图为例，可以发现其能够解决多个饼图对比时差异难以发现等问题，使读者更加直观观察到数据展示重点内容，下图分别展示了学术色系（左）、灰色系和纹理填充环形图的示例。

环形图多种配色及纹理填充对比效果

在绘制多组数据时，为了凸显不同对比数据，可以选择不同颜色进行数据点、拟合表达式、统计信息等属性进行绘制。下图为利用Matplotlib分别绘制多类别相关性（误差）散点图和对应的SciencePlots主题样式。

Matplotlib绘制（左）SciencePlots绘制（右）

可以看出，上述插图使用了不同颜色标记了不同分组的点、文本注释信息和误差线。

🌈 多变量图形的绘制 🌈

在常见的学术论文插图绘制过程中，我们不但需要绘制单、双变量类型图，而且需要考虑在研究目标或目标数据转换等过程中，面对多变量数据集时，随着变量个数或需要表达的指标维度的增加，如何有效地展示数据。

当进行三组数据比较与分析更多使用三元相图，其通过在二维平面数据在3个分组上的分布情况以及两两分组数据之间的关系。

在常见的学术论文配图中，三元相图的绘制形式有很多种，本笔记以mpltern库绘制三元相气泡图为例。即对ax.scatter()函数设置位置参数t、l、r，对其参数大小s进行维度变量数值的选择，可对散点大小进行映射。其绘制示例下图所示。

三元相图mpltern绘制

而3D曲面图同样也是作为学术期刊论文多变量插图常用的插图类型。在Matplotlib库的3D坐标系下，除可以绘制单一类型图类型以外，还常用于绘制多图层的组合图。多个图层在同一坐标系中能很好地进行展示，可以实现同一坐标系下多图层属性的展示，如下图所示。

Matplotlib绘制3D组合图

但是如果绘制3个或3个以上的图层时，除正确设置每个图层所在位置以外，还需要将Z轴的刻度返回进行限定。若只是进行多个等高线图的图层叠加，则只需要进行绘制函数的offset参数的设置。如果涉及多个曲面图的叠加，则需要对Z轴对应的数值进行调整。如下图所示。

除Matplotlib库外，Mayavi库同样可以对3D插图进行绘制，在对真实数据进行预处理后，选择合适的X、Y和Z轴坐标对应的数值。Mayavi与Matplotlib在3D插图绘制的区别在于，前者绘制的结果更容易辨认，其数值分布纹理填充样式更加饱满。示例图如下。

Mayavi绘制3D插图