SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场scientific-visualization

scientific-visualization

写作与研究

查看项目

更新于 10-16 04:17

技能介绍

用途

Scientific Visualization 是一个用于生成符合期刊投稿要求的科学图表的元技能。它将数据转化为清晰、准确的出版级图表，支持多面板布局、误差棒、显著性标记和无障碍配色方案，并可导出为 PDF、EPS、TIFF 等格式，主要面向使用 matplotlib、seaborn 和 plotly 的科研写作场景。

适用时机

该技能适用于以下情况：为科学手稿创建图表或可视化；准备向期刊（Nature、Science、Cell、PLOS 等）投稿的图表；确保图表对色盲友好且无障碍；制作风格一致的多面板图表；以正确分辨率和格式导出图表；遵循特定出版指南；改进现有图表以达到出版标准；创建需要在彩色和灰度下均可解读的图表。

主要能力

分辨率与文件格式

  • 栅格图像（照片、显微图像）：300-600 DPI
  • 线条图（图形、图表）：600-1200 DPI 或矢量格式
  • 矢量格式（首选）：PDF、EPS、SVG
  • 栅格格式：TIFF、PNG（科学数据切勿使用 JPEG）

配色与色盲无障碍

  • 推荐使用 Okabe-Ito 调色板，可被各类色盲人群区分
  • 热图/连续数据使用感知均匀的色图：viridis、plasma、cividis
  • 避免红绿发散色图，改用 PuOr、RdBu、BrBG
  • 切勿使用 jet 或 rainbow 色图
  • 始终在灰度下测试图表以确保可解读性

排版与文字

  • 无衬线字体：Arial、Helvetica、Calibri
  • 最终印刷尺寸下的最小字号：坐标轴标签 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，如 "Time (hours)" 而非 "TIME (HOURS)"
  • 始终在括号中包含单位

图表尺寸

  • 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

多面板图表

  • 使用加粗字母标注面板：A、B、C（多数期刊用大写，Nature 用小写）
  • 所有面板保持一致的样式
  • 尽可能沿边缘对齐面板
  • 面板之间保留足够的留白

使用方式

快速开始

应用出版样式并创建图表：

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)

使用预配置样式

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

使用 Seaborn

import seaborn as sns
import matplotlib.pyplot as plt
from style_presets import apply_publication_style
apply_publication_style('default')
sns.set_theme(style='ticks', context='paper', font_scale=1.1)
sns.set_palette('colorblind')

fig, ax = plt.subplots(figsize=(3.5, 3))
sns.boxplot(data=df, x='treatment', y='response',
            order=['Control', 'Low', 'High'], palette='Set2', ax=ax)
sns.stripplot(data=df, x='treatment', y='response',
              order=['Control', 'Low', 'High'],
              color='black', alpha=0.3, size=3, ax=ax)
ax.set_ylabel('Response (μM)')
sns.despine()

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

常见任务

  • 创建出版级折线图：应用出版样式、设置目标期刊尺寸、使用色盲友好颜色、添加误差棒、标注带单位的坐标轴、移除多余边框、以矢量格式保存。
  • 创建多面板图表：使用 GridSpec 灵活布局、保持样式一致、添加加粗面板标签、对齐相关面板、验证最终尺寸下文字可读。
  • 创建热图：使用感知均匀色图、包含带标签的色条、发散数据使用色盲安全发散色图、设置合适的中心值、测试灰度外观。
  • 为特定期刊准备图表：查阅期刊要求、配置 matplotlib、创建图表、按期刊规格导出。
  • 修复现有图表：检查分辨率、文件格式、颜色、字体、标签、尺寸、灰度测试、移除图表垃圾。
  • 创建色盲友好可视化：使用认可的调色板、添加冗余编码（线型、标记、图案）、用色盲模拟器测试、确保灰度兼容。

统计严谨性

始终包含：误差棒（SD、SEM 或 CI，并在图注中说明）、样本量（n）、统计显著性标记（、、）、尽可能展示个体数据点。

适用场景

适用于科研人员为科学手稿创建图表、准备期刊投稿图表、制作多面板图表、确保图表无障碍访问、改进现有图表以达到出版标准等场景。

限制

资料中未提供关于该技能的具体收费、价格、平台支持范围或效果保证等信息。