alterlab-scientific-viz

科学可視化

概要

科学可視化では、データを出版向けの明瞭で正確な図に変換します。複数パネルのレイアウト、エラーバー、有意差マーカー、色覚多様性に配慮した配色を使って、ジャーナル投稿に適したプロットを作成します。matplotlib、seaborn、plotlyを使い、論文原稿向けにPDF/EPS/TIFF形式でエクスポートします。

このスキルを使用する場面

次の場合にこのスキルを使用してください：

• 科学論文の原稿に掲載するプロットや可視化を作成する
• ジャーナル投稿用の図を準備する（Nature、Science、Cell、PLOSなど）
• 図が色覚多様性に配慮し、アクセシブルであることを確認する
• 一貫したスタイルで複数パネルの図を作成する
• 図を適切な解像度と形式でエクスポートする
• 特定の出版ガイドラインに従う
• 既存の図を出版基準に適合するよう改善する
• カラーとグレースケールの両方で問題なく表示できる図を作成する

対象外

シナリオ	代わりに使用
カスタムプロットを一から構築する、または個々のアーティストやrcParamsを調整する	alterlab-matplotlib
データの傾向をざっと確認するための簡易的な探索用統計プロット（ペアプロット、分布など）	alterlab-seaborn
ホバーやズーム機能のあるインタラクティブなチャート、またはウェブダッシュボード	alterlab-plotly
完成した図の校正（データの忠実性、ラベルの重なり、300-dpiでのエクスポート確認）	alterlab-figure-qa
模式図、フローチャート、または経路図	alterlab-scientific-schematics

クイックスタートガイド

出版品質の基本的な図

import matplotlib.pyplot as plt
import numpy as np

# Apply publication style (from scripts/style_presets.py)
from style_presets import apply_publication_style
apply_publication_style('default')

# Create figure with appropriate size (single column = 3.5 inches)
fig, ax = plt.subplots(figsize=(3.5, 2.5))

# Plot data
x = np.linspace(0, 10, 100)
ax.plot(x, np.sin(x), label='sin(x)')
ax.plot(x, np.cos(x), label='cos(x)')

# Proper labeling with units
ax.set_xlabel('Time (seconds)')
ax.set_ylabel('Amplitude (mV)')
ax.legend(frameon=False)

# Remove unnecessary spines
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)

# Save in publication formats (from scripts/figure_export.py)
from figure_export import save_publication_figure
save_publication_figure(fig, 'figure1', formats=['pdf', 'png'], dpi=300)

設定済みのスタイルを使用する

assets/ にあるmatplotlibのスタイルファイルを使って、ジャーナル固有のスタイルを適用します：

import matplotlib.pyplot as plt

# Option 1: Use style file directly
plt.style.use('assets/nature.mplstyle')

# Option 2: Use style_presets.py helper
from style_presets import configure_for_journal
configure_for_journal('nature', figure_width='single')

# Now create figures - they'll automatically match Nature specifications
fig, ax = plt.subplots()
# ... your plotting code ...

Seabornでのクイックスタート

統計プロットには、出版向けのスタイル設定を適用したseabornを使用します：

import seaborn as sns
import matplotlib.pyplot as plt
from style_presets import apply_publication_style

# Apply publication style
apply_publication_style('default')
sns.set_theme(style='ticks', context='paper', font_scale=1.1)
sns.set_palette('colorblind')

# Create statistical comparison figure
fig, ax = plt.subplots(figsize=(3.5, 3))
# seaborn >=0.13: pass hue + legend=False to color by category
# (a bare palette= without hue= is deprecated, slated for removal in v0.14)
sns.boxplot(data=df, x='treatment', y='response',
            order=['Control', 'Low', 'High'],
            hue='treatment', palette='Set2', legend=False, 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()

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

基本原則とベストプラクティス

1. 解像度とファイル形式

重要な要件（詳細は references/publication_guidelines.md を参照）：

• ラスター画像（写真、顕微鏡画像）：300～600 DPI
• 線画（グラフ、プロット）：600～1200 DPIまたはベクター形式
• ベクター形式（推奨）：PDF、EPS、SVG
• ラスター形式：TIFF、PNG（科学データにはJPEGを使用しないでください）

実装：

# Use the figure_export.py script for correct settings
from figure_export import save_publication_figure

# Saves in multiple formats with proper DPI
save_publication_figure(fig, 'myfigure', formats=['pdf', 'png'], dpi=300)

# Or save for specific journal requirements
from figure_export import save_for_journal
save_for_journal(fig, 'figure1', journal='nature', figure_type='combination')

2. 色の選択 — 色覚多様性への配慮

色覚多様性に配慮した配色を必ず使用してください（詳細は references/color_palettes.md を参照）：

推奨：岡部伊藤の配色（あらゆるタイプの色覚特性を持つ人に識別可能）：

# Option 1: Use assets/color_palettes.py
from color_palettes import OKABE_ITO_LIST, apply_palette
apply_palette('okabe_ito')

# Option 2: Manual specification
okabe_ito = ['#E69F00', '#56B4E9', '#009E73', '#F0E442',
             '#0072B2', '#D55E00', '#CC79A7', '#000000']
plt.rcParams['axes.prop_cycle'] = plt.cycler(color=okabe_ito)

ヒートマップ／連続データの場合：

• 知覚的に均一なカラーマップを使用します：viridis、plasma、cividis
• 赤と緑の発散型カラーマップは避けます（代わりに PuOr、RdBu、BrBG を使用します）
• jet または rainbow カラーマップは使用しないでください

図をグレースケールでも必ず確認し、解釈できることを確かめてください。

3. タイポグラフィとテキスト

フォントのガイドライン（詳細は references/publication_guidelines.md を参照）：

• サンセリフフォント：Arial、Helvetica、Calibri
• 最終的な印刷サイズでの最小文字サイズ：
  • 軸ラベル：7～9 pt
  • 目盛りラベル：6～8 pt
  • パネルラベル：8～12 pt（太字）
• ラベルは文頭のみ大文字にします：「Time (hours)」ではなく「TIME (HOURS)」
• 単位は必ず括弧内に記載します

実装：

# Set fonts globally
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. 図の寸法

ジャーナルごとの幅（詳細は references/journal_requirements.md を参照）：

• Nature：1段組 89 mm、2段組 183 mm
• Science：1段組 55 mm、2段組 175 mm
• Cell：1段組 85 mm、2段組 178 mm

図のサイズが要件に適合しているか確認します：

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. 複数パネルの図

ベストプラクティス：

• パネルには太字の文字を付けます：A、B、C（大半のジャーナルでは大文字、Natureでは小文字）
• すべてのパネルで一貫したスタイルを保ちます
• 可能な場合はパネルの端を揃えます
• パネル間に十分な余白を設けます

実装例（完全なコードは references/matplotlib_examples.md を参照）：

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])
# ... create other panels ...

# Add panel labels
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')

一般的なタスク

手順を追って実行するレシピです。完全なコードは references/common_tasks.md と references/matplotlib_examples.md にあります。

1. 出版品質の折れ線グラフ — スタイル、ジャーナル向けのサイズ、色覚多様性に配慮した色、エラーバー、単位、枠線の削除、ベクター形式でのエクスポート。
2. 複数パネルの図 — GridSpec によるレイアウト、一貫したスタイル、太字のパネルラベル。
3. 適切なカラーマップを使ったヒートマップ — 知覚的に均一なカラーマップ（viridis）または色覚多様性に配慮した発散型カラーマップ（RdBu_r）、ラベル付きカラーバー、グレースケールでのテスト。
4. 特定のジャーナル向けの準備 — configure_for_journal(...) の後に save_for_journal(...) を実行します。
5. 既存の図の修正 — 出版用チェックリスト（解像度、形式、色、フォント、ラベル、サイズ、グレースケール、不要な装飾）を実行します。
6. 色覚多様性に配慮した図 — 承認済みのパレット＋冗長な符号化（線種、マーカー）＋シミュレーターでのテスト。

統計的な厳密性（常に必要）： エラーバー（SD／SEM／CIのどれを示すかをキャプションに明記）、サンプルサイズn、有意差マーカー、可能であれば個々のデータ点。

プロットライブラリ — 使い分け

• Matplotlib — 最も自由度が高く、複雑な複数パネルの図に最適です。例：references/matplotlib_examples.md。
• Seaborn — 信頼区間とファセットを自動で処理する、高水準の統計グラフィックスです。詳しいガイド：references/seaborn_in_publications.md。
• Plotly — インタラクティブな探索向けです。fig.write_image('figure.png', scale=3) で静的な画像としてエクスポートできます（約300 DPI）。kaleido >= 1 と Chrome が必要です（plotly_get_chrome を一度実行してください）。matplotlib_examples.md の例8を参照してください。

リソース

References ディレクトリ

詳細情報が必要な場合は、以下を読み込んでください。

• publication_guidelines.md：出版に関する包括的なベストプラクティス

  • 解像度とファイル形式の要件
  • タイポグラフィのガイドライン
  • レイアウトと構成のルール
  • 統計的な厳密性に関する要件
  • 出版用の完全なチェックリスト

• color_palettes.md：色の使い方ガイド

  • RGB値付きの色覚多様性に配慮したパレットの仕様
  • シーケンシャル型および発散型カラーマップの推奨事項
  • アクセシビリティのテスト手順
  • 分野別パレット（ゲノミクス、顕微鏡画像）

• journal_requirements.md：ジャーナルごとの仕様

  • 出版社別の技術要件
  • ファイル形式とDPIの仕様
  • 図の寸法に関する要件
  • クイックリファレンステーブル

• matplotlib_examples.md：実用的なコード例

  • 動作する完全な例10件
  • 折れ線グラフ、棒グラフ、ヒートマップ、複数パネルの図
  • ジャーナル向けの図の例
  • 各ライブラリ（matplotlib、seaborn、plotly）のヒント

Scripts ディレクトリ

自動化には、以下のヘルパースクリプトを使用してください。

• figure_export.py：エクスポート用ユーティリティ

  • save_publication_figure()：適切なDPIで複数の形式に保存します
  • save_for_journal()：ジャーナル固有の要件を自動的に適用します
  • check_figure_size()：寸法がジャーナルの仕様を満たしているか確認します
  • 例を実行するには、python scripts/figure_export.py を直接実行してください

• style_presets.py：設定済みのスタイル

  • apply_publication_style()：プリセットスタイル（default、nature、science、cell）を適用します
  • set_color_palette()：パレットをすばやく切り替えます
  • configure_for_journal()：ジャーナル向けの設定を1つのコマンドで行います
  • 例を見るには、python scripts/style_presets.py を直接実行してください

Assets ディレクトリ

図には以下のファイルを使用してください。

• color_palettes.py：インポート可能な色定義

  • 推奨パレットをすべてPython定数として収録
  • apply_palette() ヘルパー関数
  • ノートブック／スクリプトに直接インポートできます

• Matplotlib スタイルファイル：plt.style.use() で使用します

  • publication.mplstyle：一般的な出版品質向け
  • nature.mplstyle：Nature誌の仕様
  • presentation.mplstyle：ポスター／スライド向けの大きなフォント

ワークフローの概要

論文掲載用の図を作成する際の推奨ワークフロー：

1. 計画：投稿先のジャーナル、図の種類、内容を決定します
2. 設定：ジャーナルに適したスタイルを適用します

   from style_presets import configure_for_journal
   configure_for_journal('nature', 'single')
   

3. 作成：適切なラベル、色、統計情報を用いて図を作成します
4. 確認：サイズ、フォント、色、アクセシビリティを確認します

   from figure_export import check_figure_size
   check_figure_size(fig, journal='nature')
   

5. エクスポート：指定された形式で保存します

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

6. レビュー：原稿に組み込んだ状態で最終サイズの図を確認します

避けるべきよくある落とし穴

1. フォントが小さすぎる：最終サイズで印刷すると文字が読めません
2. JPEG形式：グラフやプロットには決してJPEGを使用しないでください（アーティファクトが発生します）
3. 赤と緑の色：男性の約8％は区別できません
4. 解像度が低い：論文掲載時に図が粗くなります
5. 単位の記載漏れ：軸には必ず単位を付記してください
6. 3D効果：認識を歪めるため、完全に避けてください
7. 不要な装飾：不要なグリッド線や装飾を取り除いてください
8. 切り詰められた軸：科学的に正当化できる場合を除き、棒グラフはゼロから始めてください
9. スタイルの不統一：同じ原稿内の図で異なるフォントや色を使わないでください
10. エラーバーがない：不確実性は必ず示してください

最終チェックリスト

図を投稿する前に、以下を確認してください：

• 解像度がジャーナルの要件を満たしている（300+ DPI）
• ファイル形式が適切である（プロットにはベクター形式、画像にはTIFF）
• 図のサイズがジャーナルの仕様に合っている
• 最終サイズで文字がすべて読める（≥6 pt）
• 色が色覚多様性に配慮している
• グレースケールでも図が判読できる
• すべての軸に単位が記載されている
• エラーバーがあり、キャプションにその定義が記載されている
• パネルラベルがあり、表記が統一されている
• 不要な装飾や3D効果がない
• すべての図でフォントが統一されている
• 統計的有意性が明確に示されている
• 凡例が明確で、必要な情報がそろっている

このスキルを使って、すべての読者が利用しやすい状態を保ちながら、科学図が最高水準の論文掲載基準を満たすようにしてください。