“ SCI科研绘图重要的三个方面：图表制作、绘图工具、配色方案。掌握要点，事半功倍！”
图表制作
图表直观地展示了科研成果，应注意以下要点：
图表
图表的大小应适中，确保清晰可见，避免出现字体过小需要放大镜才能看清的情况
多个图片放在一起时，要注意格式的保持，可以使用浮动或固定位置的方式来处理，避免回车导致格式混乱
在实验曲线中，可以考虑加上误差棒来表达数据的离散程度
图片比例值要统一，避免出现图表之间比例不一致的情况，这有助于比较和理解数据
表格格式要统一，包括字体、边框、列宽等，使得整个论文的图表统一美观
图表的颜色应鲜明，有明显的对比度，以便读者一目了然。但也要注意不要过分使用太多鲜艳的颜色，保持整体色彩协调
图表要素要完整，包括图例、数据值等，同时，在图注中也要进行必要的说明性文字，确保读者可以独立理解图表内容
【错误示范：字体过小、比例不协调、未对齐】
图注
图注应该具有一定的独立性，能够让读者在不依赖于正文文字的情况下理解图表内容
图注要简明扼要，避免过长过详细的描述，应包含概述性的信息，不必重复正文中的实验细节
在理论上，设计精良的图表是不需要图注的，因为图表本身已经能够传达必要的信息。所以最好的图注是没有图注，但如果必要添加时，要确保易于理解
图注需要与图表匹配，同时与正文匹配。图注的颜色和形式应与正文保持一致，尽量避免过多彩色
【完整的图注说明，务必使图独立正文也可以理解】
绘图工具
绘图工具
Microsoft Excel：Excel是一个常见的绘图工具，它可以用于创建简单的图表，例如折线图、柱状图和散点图。它是一个易于使用的工具，适用于初学者和需要简单绘图的场景
MATLAB：MATLAB是一种强大的数值计算和可视化工具，广泛应用于科学和工程领域。它提供了丰富的绘图功能，包括二维和三维绘图，可用于创建复杂的图形和曲线拟合等高级操作
Python：Python是一种流行的编程语言，拥有多个数据可视化库，如Matplotlib、Seaborn和Plotly。这些库提供了广泛的绘图选项，可以创建各种类型的图表，并且灵活性很高
Adobe Illustrator：Adobe Illustrator是一种专业的矢量图形编辑软件，适用于创建高质量的插图和图表。它提供了丰富的绘图工具和效果，可以实现更复杂和精细的绘图需求
Gnuplot：Gnuplot是一个命令行驱动的绘图工具，适用于创建高品质的科学图形，包括曲线图、等高线图和统计图表等。它具有跨平台性和灵活的自定义选项
Origin：Origin是一款数据分析和绘图的软件，具备统计、峰值分析和曲线拟合等分析功能，可以绘制出二维和三维图形
如果想了解更多的数据可视化工具可以参考往期文章：分享一些好用的数据可视化工具，值得收藏！里面介绍了15种可视化工具，读者可以按照需求选择。
绘图工具组合
一种绘图工具往往具有一些缺点，例如Origin软件，它虽然提供了很好的数据图表类型，但是它的图并不美观，这就需要结合其它的软件进行后期处理，这里我列举了几种绘图工具结合的方式：
Excel结合PPT：可以使用Excel绘制图表，然后将其复制粘贴到PPT中进行排版
Excel结合Visio：可使用Excel绘制图表，然后将其导入Visio进行进一步编辑和美化。具体实现方法可以参考往期文章：Nature插图复现：热图+网络图展示相关性；Nature插图复现：热图+显著性+柱状图；Nature插图的傻瓜式复现（二）之数据浓缩气泡图
Matlab结合Visio：对于一些专业的科研数据分析和绘图需要，可以使用Matlab绘制图表，再将其导入Visio进行后续处理。具体实现方法可以参考往期文章：论文被拒？那是因为你不会包装数据
Origin结合Visio：Origin是一种专业的数据分析和绘图软件，可以生成高质量的图表，再将其导入Visio进行排版和修饰。具体实现方法可以参考往期文章：Origin的图如何在Visio中进行编辑和优化
当然还有很多种结合的方式，这里强烈推荐用Visio软件进行图表的后处理。
配色方案
配色方案是一个既简单又困难的话题，因为不同的情况需要用到不同的配色方案，还要根据数据的表达方式进行亮度和饱和度的调整，不是一个固定的方案就能解决所有的问题。所以，我讲一些配色的原则。
从颜色的种类数量来讲
通常分为以下情况：
两色搭配：选择两种不同的颜色进行搭配，例如红色和黑色，红色用于突出重点数据线，黑色用于参考线。另外，红蓝配色也是一种不错的选择，要注意降低颜色的饱和度，以保持对比的明显性
三色搭配：常见的三色搭配方案是使用冷暖色，比如红色和深浅蓝色搭配，可以形成明显的对比和和谐感
四色搭配：四色搭配要考虑协调性和易读性，推荐使用邻近色搭配，即相似的颜色，可以给人一种循序渐进的感觉
五色及以上搭配：在使用五种或更多颜色进行搭配时，要尽量降低饱和度，避免颜色过于杂乱。相似色搭配是一个好的选择，可以减少混乱感，同时也要注意给图表留出适当的留白
多色配色，多用灰色、适当留白：灰色可用作背景色、参考色，能够很好地衬托主题。在多色配色中，可以使用不同的灰色来表示参考数据，以增加层次感和简化操作。此外，使用灰色作为主色或背景色，再加上少量的彩色元素，并留出适当的留白区域，也是一种常见的搭配方式
从颜色搭配上来讲
RGB色轮是颜色选择的基础和依据，提供了互补色，相似色，三元组色，四元颜色，分列互补色，双互补色等搭配方案：
互补色：互补色是指在色轮上相互对立的两种颜色。它们具有最大的对比度，相互放置时能够产生强烈的视觉冲击。例如，在色轮上，红色和绿色、蓝色和橙色是互补色。
相似色：相似色是指在色轮上相邻的颜色。它们具有类似的色调，因此在视觉上较为和谐。例如，红色和橙色、绿色和黄绿色是相似色。
三元组色：三元组色是由三个主要颜色组成的配色方案。常见的三元组色包括 RGB（红绿蓝）和 CMY（青黄洋红）色彩模型。
四元色：四元色是由四个主要颜色组成的配色方案。常见的四元色包括 CMYK（青黄洋红黑）色彩模型，其中的黑色（K）用于控制色彩的深浅程度。
分列互补色：分列互补色是指在色轮上选择一种颜色，然后选择与它相邻的两种颜色的互补色。这种配色方案在颜色上具有一定的对比度，同时也保持了相似色的和谐感。
双互补色：双互补色是指在色轮上选择两种互补色彩对。这种配色方案能够产生高度对比的效果，并且色彩之间形成了一个矩形或正方形的形状。
以图表类别选择配色
可以有以下几种选择：
柱状图：单列数据推荐使用单色，窄柱体可选深色，宽柱体可选浅色。深色时建议添加透明度以降低饱和度。两列数据可选颜色对比明显的搭配，如黑-红/蓝/绿，同级对比可选择红-蓝，也可尝试互补色、深浅对比、饱和度对比、协同色等。多列数据宜选择相近的色系，避免过高对比度和滥用图案。可使用纯色渐变、彩虹色或部分色域渐变。黑白图可使用灰度和图案搭配
折线图：折线重叠过多时可考虑堆叠折线图或其他表达方式。推荐综合运用深色和不同线型。连续变化的数据可尝试渐变色
散点图：点大小表示第三维度数据，多类别选小点，少类别选大点。当点较多时可用空心点。点可选深色并提高透明度
等高线图或热图：颜色和图线多时可使用双色或三色渐变配色方案
更多图表种类请阅读往期文章：32种常见的科研论文数据图集锦！
参考顶刊论文配色
顶刊论文具有以下特点：
专业性和可信度：顶级期刊通常具有较高的学术声誉和专业性，选择类似的配色方案可以提高你的论文在学术界的可信度。通过与这些期刊的论文采用相似的配色方案，你可以向读者传达你的研究与高水平研究之间的关联。
视觉吸引力：顶级期刊通常会投入大量精力来设计和排版其论文，以获得较高的视觉吸引力。参考这些期刊的论文配色方案可以帮助你创建一个外观精美、易于阅读和吸引人的论文。视觉吸引力可以吸引潜在读者的注意力，使他们更有兴趣阅读你的研究。
一致性和标准化：参考顶级期刊的论文配色可以帮助你与学术界的标准和惯例保持一致。这可以增加你的论文被接受和认可的机会。一致的配色方案也有助于提升读者对论文的可读性和导航性，使信息更易于理解和消化。
分享一些配色网站
Color Supply app（https://colorsupplyyy.com/app）
Sessions College for Professional Design Color Calculator （https://www.sessions.edu/color-calculator/）
Rapid Tables Color Wheel（https://www.rapidtables.com/web/color/color-wheel.html）
Adobe Color（https://color.adobe.com/zh/create/color-wheel）
ColorBrewer（http://colorbrewer2.org/）
ColorSpace（https://mycolor.space/）
WebGradients（https://webgradients.com/）
Dopely Colors（https://colors.dopely.top/）
BrandColors （https://brandcolors.net/）
Chinese colors (http://zhongguose.com/)
Culrs (https://culrs.com/)
Color hunter (http://www.colorhunter.com/)
ColorLeap (https://colorleap.app/dates)
Colordot (https://color.hailpixel.com/)
Colors (https://coolors.co/)
Colrd (http://colrd.com/)
ColorDrop (https://colordrop.io/)
Material Palette(https://www.materialpalette.com/)
Paletton (https://paletton.com/)
Picular (https://picular.co/)
UiGradients (https://uigradients.com/)
关注“博硕科研绘图”公众号，了解更多科研绘图知识！
