SuperAPI AI 工具集

figure-style

写作与研究

查看项目

更新于 10-16 06:56

技能介绍

用途

figure-style 是一套用于科研论文的图表规范技能,目标是在绘图前建立正确、清晰、内部一致的发表级图表。它不规定统一的视觉风格——边框、字体和调色板都是参数。使用方式是在绘制任何图之前加载该技能并调用 apply_figure_style()。

该技能自身是“内层”规范,负责把单张图做好;多面板与整篇论文的上下文由 figure-composer 和 paper-narrative 提供。

规范结构

§1–§3、§8、§9 属于正确性要求,适用于任何上下文中的每张图,不含审美内容。§4–§7 属于指导性默认值,能产生干净结果,但可被有意的替代方案覆盖;其中陈述事实或感知不变量的个别规则(如 §4.4 语义零点居中、§4.5 色觉缺陷安全、§6.9 引导线锚定)仍然具有约束力。

主要能力

数据保真与自洽(§1):被排除的行要么完全省略,要么用视觉上可区分的空心/斜线标记并在图例中命名,绝不进入与纳入行并列的汇总统计;不可比条件不并列为视觉同级;图内每个图例、阈值和标题必须被每一行数据满足;声明式标题在渲染前需逐类检验;每个绘制汇总标记的面板需说明 n 与重复单位;作为背景的参考结构应使用既有参考而非从数据推断;一个定量声明在所有面板、图注和摘要中只有一个规范值。

标签经济性(§2):每个可区分的标记、系列、字形或对照物必须仅凭图本身即可识别;对照物标签命名具体事物而非角色词;每面板字符串数量有上限;n、固定条件、缩写展开、不可比脚注等移入图注;标题即结论;仅对头条数字使用标记上数值。

坐标轴、尺度与分面(§3):坐标轴留白至少一个标记半径;数据占据不足 40% 时断轴或从数据下限起始;对数轴使用人类可读刻度,且不在对数数值轴上画填充柱;分面共享轴时只显示一次刻度标签;面板数据包络占其矩形区域至少 75%;好坏方向不明显时在页边放置直立提示;单行图在 300 dpi 下适配目标场所的双栏宽度。

配色(§4):颜色一旦绑定到实体便在全图复用;用尽可能少的色相;嵌套类别由外层决定色相族、内层在其中取样;连续值用感知均匀的序列色图,有符号量用发散色图且始终以语义零点居中;二元或对立区分不依赖红绿对比,需在绿色盲模拟下仍可区分;两套分类配色系统各配一个图例,置于其适用面板旁。

排版(§5):面板标题用平实语言、常规字重、左对齐;全图最多三种字号,按角色而非空间映射,apply_figure_style(sizes=(8,7,6)) 设置字号阶梯;科学惯例需斜体的名称斜体;大数用 k/M/B 后缀;标记上数字最多 2 位有效数字;坐标轴标签用平实语言名称;面板字母加粗、左上、置于坐标框外。

图表族指导(§6):按数据形态给出选择——分类×数值展示分布而非仅汇总,图表选择依 n 而定;单观测类别用棒棒糖图;连续序列用带标记的均值线加背后半透明个体线;重叠分布堆叠为共享 x 轴的小面板或山脊图;小热图(<约 200 格)每格打印数值;降维散点去掉刻度并用角箭头命名轴;预测与观测堆叠为相邻轨道;插图用边界框或半透明楔形连接;散点图至少直接标注最大、最小和任何被标记的点。

布局与叙事(§7):先展示测量内容再展示结果;一张图一个信息;图例置于留白处、无边框或改为直接标注;嵌套分面用跨面板行头;论文图 1 以数据呈现一句话主张;已通过的面板不在修订间重新装饰。

反模式(§8):红绿作为对立类别、对数数值轴上的填充柱、色条刻度等距但错过语义中心、发散色图以数据中点而非语义零点为中心、坐标轴标题重复刻度标签、仅在图注解释好坏方向、参考线画在本身是数据点之一的值上、被排除行进入汇总统计、引导线最近标记不是其所标注的行——这些是正确性失败而非风格偏好。

渲染后校验(§9):保存后先做几何 bbox 检查,检测可见文本框之间及文本与坐标轴脊线之间的重叠(刻度标签落在自身脊线上不算问题),修复后重新保存直至干净;再做感知检查,将保存的 PNG 裁剪到各面板并用图像工具打开,检查每个字形和标记是否清晰、最小元素是否有描边、引导线是否交叉、系列颜色是否可能混淆、图例是否紧邻其所标注内容。通过 §9.1 的感知缺陷仍是缺陷。

使用方式

在绘制任何图之前加载该技能并调用 apply_figure_style()。字号阶梯通过 apply_figure_style(sizes=(8,7,6)) 设置。面板字母通过 panel_letter(ax, 'a', case=...) 处理大小写。渲染后校验使用文档中给出的 Python 代码片段:bbox 检查遍历 fig.findobj(mpl.text.Text) 与坐标轴脊线求重叠;感知检查用 PIL 裁剪面板并逐一打开查看。

适用场景

适用于科研论文中需要正确、清晰、内部一致的图表的场景,尤其是需要发表级质量的多面板图与整篇论文配图。

限制

该技能不强制视觉风格,边框、字体和调色板均为参数。§4–§7 的默认值可被有意的替代方案覆盖,但其中陈述事实或感知不变量的规则仍具约束力。该技能只负责单张图的质量,多面板与整篇论文的上下文需由 figure-composer 和 paper-narrative 提供。