| name | figures-python |
| description | Use when creating data visualizations for papers - generates publication-quality plots with top-journal color schemes |
Python 数据图表
本技能指导使用 Python 生成科研论文级别的数据图表。
Checklist
一、环境要求
1.1 conda 环境
默认环境名：research
激活命令：
conda activate research
必需库：
pip install matplotlib seaborn numpy pandas
如环境未配置，调用 environment-setup 技能。
二、图表规范
2.0 数据清单与 mock 数据边界
任何数据图都必须先有数据文件和数据清单（data manifest）。默认路径：
figures/data-manifest.md
figures/data/<figure-name>.csv
figures/<section>/<figure-name>.py
figures/<section>/<figure-name>.png
figures/<section>/<figure-name>.svg
figures/data-manifest.md 至少记录：
| Figure | Data file | Real/mock | Source | Script | Outputs |
|---|
mock 或 synthetic 数据只允许用于规划版图表。文件名必须以 mock_ 或 synthetic_ 开头，并在图表、表格或章节草稿中保留 [待真实实验替换]。不得把 mock 数据写成“实验结果表明”。
2.1 分辨率要求
| 用途 | DPI | 说明 |
|---|
| 期刊投稿 | 300-600 | 大多数期刊要求 |
| 顶刊投稿 | 450+ | Nature/Science等 |
| 屏幕展示 | 150 | PPT/网页 |
本技能默认使用 450 DPI
2.2 输出格式
每张图同时输出两种格式：
- PNG：位图，适合网页和PPT
- SVG：矢量图，适合期刊投稿
2.3 图表尺寸
| 类型 | 宽度（英寸） | 适用场景 |
|---|
| 单栏图 | 3.5 | 期刊单栏 |
| 双栏图 | 7.0 | 期刊双栏/全宽 |
| PPT图 | 10.0 | 演示文稿 |
三、顶刊配色方案
3.1 Nature/Science 风格
NATURE_COLORS = ['#2E86AB', '#A23B72', '#F18F01', '#C73E1D', '#95C623']
3.2 Cell 风格
CELL_COLORS = ['#4E79A7', '#F28E2B', '#E15759', '#76B7B2', '#59A14F', '#EDC948']
3.3 色盲友好配色
COLORBLIND_SAFE = ['#0077BB', '#33BBEE', '#009988', '#EE7733', '#CC3311', '#EE3377']
3.4 配色原则
- ❌ 禁止使用 matplotlib 默认颜色
- ❌ 禁止使用纯红、纯蓝、纯绿等基础色
- ✅ 同一图中颜色数量控制在 5 种以内
- ✅ 确保色盲友好
四、代码模板
"""
Figure X: [图表标题]
论文章节: [所属章节]
"""
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
from pathlib import Path
CHINESE_FONT = None
font_candidates = [
'/System/Library/Fonts/STHeiti Light.ttc',
'/System/Library/Fonts/PingFang.ttc',
]
for fp in font_candidates:
if Path(fp).exists():
CHINESE_FONT = fm.FontProperties(fname=fp)
break
plt.rcParams['axes.unicode_minus'] = False
COLORS = ['#4E79A7', '#F28E2B', '#E15759', '#76B7B2', '#59A14F']
def setup_plot_style():
plt.rcParams.update({
'font.size': 10,
'axes.titlesize': 12,
'axes.labelsize': 10,
'axes.spines.top': False,
'axes.spines.right': False,
'axes.grid': True,
'grid.alpha': 0.3,
'legend.frameon': False,
'savefig.dpi': 450,
'savefig.bbox': 'tight',
})
def ():
setup_plot_style()
fig, ax = plt.subplots(figsize=(, ))
x = np.linspace(, , )
ax.plot(x, np.sin(x), color=COLORS[], label=)
ax.plot(x, np.cos(x), color=COLORS[], label=)
CHINESE_FONT:
ax.set_xlabel(, fontproperties=CHINESE_FONT)
ax.set_ylabel(, fontproperties=CHINESE_FONT)
:
ax.set_xlabel()
ax.set_ylabel()
ax.legend()
output_dir = Path(__file__).parent
fig_name = Path(__file__).stem
plt.savefig(output_dir / , dpi=)
plt.savefig(output_dir / )
plt.show()
__name__ == :
main()
五、常用图表类型
折线图
ax.plot(x, y, color=COLORS[0], linewidth=1.5, marker='o', markersize=4)
柱状图
ax.bar(x_pos, values, color=COLORS[:len(values)], edgecolor='white')
热力图
im = ax.imshow(matrix, cmap='RdBu_r', aspect='auto')
plt.colorbar(im, ax=ax)
箱线图
bp = ax.boxplot(data_list, patch_artist=True)
for patch, color in zip(bp['boxes'], COLORS):
patch.set_facecolor(color)
散点图
ax.scatter(x, y, c=colors, s=sizes, alpha=0.6, cmap='viridis')
六、文件管理
目录结构
figures/
├── chapter1/
│ ├── fig1_overview.py
│ ├── fig1_overview.png
│ └── fig1_overview.svg
├── chapter2/
└── chapter3/
命名规范
- 文件名格式：
fig{序号}_{描述}.py
- 示例：
fig1_model_architecture.py
七、质量检查
图表内容
视觉效果
文件输出
八、常见问题
Q1：中文显示为方块
from matplotlib.font_manager import FontProperties
font = FontProperties(fname='/System/Library/Fonts/STHeiti Light.ttc')
ax.set_xlabel('中文标签', fontproperties=font)
Q2：图片模糊
plt.savefig('figure.png', dpi=450, bbox_inches='tight')
Q3：图例遮挡数据
ax.legend(loc='upper left', bbox_to_anchor=(1.02, 1))
