用途
Scientific Visualization 是一个面向科研出版场景的可视化技能，目标是把数据转化为清晰、准确、可直接用于论文投稿的图表。它覆盖从图表创建、样式配置、配色选择到按期刊要求导出的完整流程，适用于需要向 Nature、Science、Cell、PLOS 等期刊提交图件的研究人员。
主要能力
- 出版级图表创建：使用 matplotlib、seaborn、plotly 生成折线图、箱线图、小提琴图、热图、时间序列等常见科研图表。
- 多面板布局：通过 GridSpec 或 seaborn 的 FacetGrid 构建多面板图，并添加加粗面板标签（A、B、C 等）。
- 统计严谨性：支持误差棒（SD、SEM 或 CI）、样本量标注、显著性标记（、、）以及个体数据点展示。
- 色盲友好配色：推荐 Okabe-Ito 调色板，连续数据使用 viridis、plasma、cividis 等感知均匀色图，避免 jet/rainbow 色图，并建议在灰度下测试可读性。
- 期刊样式预设：提供 assets/ 下的期刊样式文件（如 nature.mplstyle）以及 style_presets.py 辅助函数，可按期刊配置图宽与样式。
- 导出与尺寸检查：通过 figure_export.py 按正确 DPI 和格式导出，并检查图尺寸是否符合期刊栏宽要求。
使用方式
基本流程为：先应用出版样式（apply_publication_style 或 configure_for_journal），再创建图表并设置坐标轴标签与单位，最后用 save_publication_figure 或 save_for_journal 导出。示例代码中展示了单栏图（3.5 英寸）、多面板图、热图、箱线图加散点等写法。字体建议使用 Arial、Helvetica 等无衬线字体，坐标轴标签 7-9 pt、刻度标签 6-8 pt、面板标签 8-12 pt。
适用场景
- 为科研手稿创建图表或可视化。
- 准备期刊投稿图件（Nature、Science、Cell、PLOS 等）。
- 制作色盲友好、可访问的图表。
- 制作风格一致的多面板图。
- 按正确分辨率与格式导出图件。
- 改进已有图表以满足出版标准。
- 制作在彩色与灰度下均可解读的图表。
限制
资料未提供该技能的收费、价格、平台支持范围或具体安装步骤等信息，暂未提供。部分期刊的具体要求需参考资料中提到的 references/journal_requirements.md 等文件，本介绍未展开其全部细节。