scientific-visualization

用途

Scientific Visualization 是一个用于生成「可直接投稿」科学图表的元技能。它把数据可视化的常见科研需求——多子图布局、误差线、显著性标记、色盲友好配色、期刊尺寸与格式规范——打包成一套可复用的样式与脚本，让研究者用 matplotlib、seaborn、plotly 产出符合期刊要求的图形。

适用场景

资料列出以下典型使用时机：

为科学论文创建图表或可视化
准备投稿用图（Nature、Science、Cell、PLOS 等）
确保图表对色盲友好、具备可访问性
制作风格统一的多子图
以正确的分辨率与格式导出图形
遵循特定的投稿指南
把已有图形改进到符合发表标准
制作在彩色和灰度下都能解读的图形

主要能力

1. 分辨率与文件格式

栅格图像（照片、显微图）：300–600 DPI
线稿（图表、曲线）：600–1200 DPI 或矢量格式
首选矢量格式：PDF、EPS、SVG
栅格格式：TIFF、PNG（科学数据绝不使用 JPEG）

配套脚本 figure_export.py 提供 save_publication_figure 与 save_for_journal 用于按格式和 DPI 导出：

from figure_export import save_publication_figure
save_publication_figure(fig, 'myfigure', formats=['pdf', 'png'], dpi=300)

from figure_export import save_for_journal
save_for_journal(fig, 'figure1', journal='nature', figure_type='combination')

2. 配色与色盲可访问性

3. 字体与排版

无衬线字体：Arial、Helvetica、Calibri
最终印刷尺寸下的最小字号：轴标签 7–9 pt，刻度标签 6–8 pt，面板标签 8–12 pt（加粗）
标签使用句首大写："Time (hours)" 而非 "TIME (HOURS)"
单位始终放在括号内

import matplotlib as mpl
mpl.rcParams['font.family'] = 'sans-serif'
mpl.rcParams['font.sans-serif'] = ['Arial', 'Helvetica']
mpl.rcParams['font.size'] = 8
mpl.rcParams['axes.labelsize'] = 9
mpl.rcParams['xtick.labelsize'] = 7
mpl.rcParams['ytick.labelsize'] = 7

4. 图形尺寸（期刊）

Nature：单栏 89 mm，双栏 183 mm
Science：单栏 55 mm，双栏 175 mm
Cell：单栏 85 mm，双栏 178 mm

可用 check_figure_size 检查尺寸合规性：

from figure_export import check_figure_size
fig = plt.figure(figsize=(3.5, 3))  # 89 mm for Nature
check_figure_size(fig, journal='nature')

5. 多子图

面板用加粗字母标注：A、B、C（多数期刊大写，Nature 用小写）
各面板保持风格一致，尽量沿边缘对齐，面板间留足空白

from string import ascii_uppercase
fig = plt.figure(figsize=(7, 4))
gs = fig.add_gridspec(2, 2, hspace=0.4, wspace=0.4)
ax1 = fig.add_subplot(gs[0, 0])
ax2 = fig.add_subplot(gs[0, 1])
for i, ax in enumerate([ax1, ax2, ...]):
    ax.text(-0.15, 1.05, ascii_uppercase[i], transform=ax.transAxes,
            fontsize=10, fontweight='bold', va='top')

使用方式

技能通过样式预设、配色脚本与导出脚本组合使用。基本流程示例：

import matplotlib.pyplot as plt
import numpy as np
from style_presets import apply_publication_style
apply_publication_style('default')

fig, ax = plt.subplots(figsize=(3.5, 2.5))
x = np.linspace(0, 10, 100)
ax.plot(x, np.sin(x), label='sin(x)')
ax.plot(x, np.cos(x), label='cos(x)')
ax.set_xlabel('Time (seconds)')
ax.set_ylabel('Amplitude (mV)')
ax.legend(frameon=False)
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)

from figure_export import save_publication_figure
save_publication_figure(fig, 'figure1', formats=['pdf', 'png'], dpi=300)

套用期刊样式：

plt.style.use('assets/nature.mplstyle')
# 或
from style_presets import configure_for_journal
configure_for_journal('nature', figure_width='single')

针对特定期刊的推荐流程：查阅 journal_requirements.md → 用 configure_for_journal 配置 → 创建图形 → 用 save_for_journal 导出。

统计严谨性

资料要求始终包含：误差线（SD、SEM 或 CI，并在图注中说明是哪种）、样本量 n、显著性标记（、、），以及在可能时展示个体数据点而非仅汇总统计。

ax.scatter(x_jittered, individual_points, alpha=0.4, s=8)
ax.errorbar(x, means, yerr=sems, fmt='o', capsize=3)
ax.text(1.5, max_y * 1.1, '***', ha='center', fontsize=8)

绘图库支持

matplotlib：对出版细节控制最强，适合复杂多子图，配合提供的样式文件使用。
seaborn：基于 matplotlib，面向数据集的高层统计绘图接口，自动估计与置信区间、内建分面、默认色盲友好调色板，适配 pandas DataFrame。建议先套用 matplotlib 出版样式再配置 seaborn。
plotly：资料提及用于导出，但未给出用法细节。

常见出版物图形包括统计比较（箱线图叠加散点）、分布分析（小提琴图）、相关性矩阵（热力图）、带置信带的时间序列等，资料给出了对应代码示例。

限制

资料未提供该技能的安装方式、价格、收费模式、平台或运行环境要求，这些信息暂未提供。分类、版本、依赖管理等信息在给定资料中也暂未说明。