Scientific Figures & Visualization — Craft Guide（科学图表与可视化——制作指南）是一份面向科研写作的图表制作规范与实操指南。其核心主张是：图表承载论文的证据，必须做到准确、清晰、可访问且可复现；一个误导性或难以阅读的图表会削弱原本扎实的研究。
一、用途 该指南用于指导科研人员为论文、报告等出版物制作高质量的科学图表与数据可视化，帮助在选图、编码、配色、导出、图注和复现等环节遵循统一标准。
二、主要能力
- 图表选型：按“信息 + 数据”选择图表类型。分布用直方图、箱线图、小提琴图/条带图/蜂群图（小样本需展示原始数据点）；组间比较用带误差棒/置信区间的柱状图，或点图/森林图（比多柱更清晰）；关系用散点图（含回归线与置信区间）、气泡图（第三变量用大小表示）、密集数据用六边形分箱图；趋势/时间/能量序列用带不确定带的折线图，多序列用小倍数图；构成用堆叠/百分比柱状图，避免饼图（难以比较），仅 2–3 个大扇区例外；类别间的部分-整体用分组柱状图或热力图；多维数据用小倍数图（分面）、平行坐标、多目标优化的 Pareto 前沿散点图；网络用节点-链接图（文献计量图、BIM/数据图），需有意义的布局。
- 诚实编码（不可妥协）：柱状图从零开始，不截断坐标轴以夸大差异；存在不确定性时必须展示（误差棒/置信区间/不确定带），并说明其含义（SD？SE？95% CI？）；每个坐标轴标注量 + 单位，有效数字保持一致；一图一信息，避免过载；不用 3D 效果、图表垃圾、双 y 轴（会误导）；不暗示数据不支持的精度；不用线连接分类点。
- 颜色与可访问性：使用色盲友好配色——定性用 Okabe–Ito，顺序用 viridis/cividis，发散色图（如 RdBu）仅用于真正的中点；约 8% 男性有色觉缺陷；增加冗余编码，除颜色外变化形状/线型/填充图案，使图在灰度打印下仍可读；确保足够对比度和在最终印刷尺寸下可读的字号（按单栏宽度检查）。
- 格式与分辨率：图表、示意图及任何含文字/线条的内容用矢量格式（PDF/SVG/EPS），缩放不产生像素化；高 DPI 位图（≥300 dpi TIFF/PNG）仅用于照片/点云渲染；嵌入字体；在场所要求时匹配稿件字体；遵守栏宽限制。
- 图注与引用：图注置于图下方（表注在表上方）；图注需自包含，说明图展示内容、关键缩写、样本量及误差棒含义；每张图必须在正文中被引用并按顺序编号；LaTeX 中使用 \cref。
- 可复现的图表代码（优先于手工绘制）：Python 用 matplotlib/seaborn，设置 rcParams（字号、dpi、savefig format='pdf'），seaborn 用于统计图，用 plt.savefig('fig.pdf', bbox_inches='tight') 导出；R 用 ggplot2，theme_minimal()/theme_classic()、scale_color_viridis_*、ggsave('fig.pdf', ...)；交互/探索用 plotly/bokeh（打印时导出静态图）；脚本与数据保留在仓库中，使图表可精确重新生成。示例代码（matplotlib，可访问默认值）： import matplotlib.pyplot as plt plt.rcParams.update({"figure.dpi": 150, "savefig.format": "pdf", "font.size": 9, "axes.spines.top": False, "axes.spines.right": False}) okabe_ito = ["#E69F00","#56B4E9","#009E73","#F0E442","#0072B2","#D55E00","#CC79A7","#000000"]
... plot with these colors + distinct markers/linestyles, labelled axes (units), error bars ...
plt.savefig("fig_results.pdf", bbox_inches="tight") 7. 示意图（工作流、系统、概念图）：Mermaid 用于在 markdown 中渲染的快速流程图/图（用于研究工作流和 PRISMA 图）；TikZ 用于 LaTeX 内的出版级矢量图（完全控制、字体一致）；Graphviz（DOT）用于图/本体/BIM 数据结构的自动布局；draw.io/Inkscape 用于手工矢量图（导出 PDF/SVG）；保持层级清晰、标注关系、尽量避免边交叉。 8. 视觉/图形摘要：用一张清晰的图传达研究的核心思想/发现，用于目录（许多 AEC 期刊提供此选项）；需自解释、文字最少、与论文图表风格一致。 9. 诚信：绝不伪造或“美化”数据、拼接图像或选择性裁剪以误导（图像操纵属于学术不端）；披露任何合法的图像处理；若用户未提供数据，交付设计 + 可复现代码并明确标注占位数据，绝不编造结果。
三、使用方式 该指南以规范条目和代码示例的形式给出，用户可将其作为写作与制图时的检查清单，并直接采用其中的 matplotlib/ggplot2 配置与导出方式生成图表。
四、适用场景 适用于科研论文、工程研究（如 AEC 领域）中的图表制作、数据可视化设计、图形摘要制作，以及需要可复现图表代码的学术写作流程。
五、限制 资料未提供该技能的安装方式、平台支持范围、收费或价格信息，暂未提供。