data-visualization

数据可视化最佳实践

为创建达到出版标准的科学可视化、避免常见问题并提升图表清晰度提供专家指导。

何时使用此技能

• 为科学出版物创建图表
• 调试具有误导性或失真的可视化
• 优化图表布局和元素尺寸
• 根据数据特征选择合适的图表类型
• 确保统计标注能够妥善显示
• 生成图像，以便与 Claude 或其他 AI 工具分享

支持文件

此技能按主题整理为多个参考文件。请按需加载：

• pitfalls-and-troubleshooting.md - 对数尺度失真、坐标变换错误、离群值处理原则、坐标轴范围优化、浮点数年份标签
• chart-recipes.md - 时间趋势、箱线图、散点图、类别占比、堆叠面积图、样本量图例以及出版图表中离群值处理双重方法的代码示例
• color-palettes.md - Okabe-Ito 调色板、Paul Tol 调色板、连续型／发散型配色方案，以及在 matplotlib/seaborn 中实现色盲友好配色
• claude-image-constraints.md - Claude API 的 8000px 限制、安全图表尺寸预设、调整尺寸的辅助工具、Jupyter notebook 超大图像修复方法
• figure-descriptions.md - 用于撰写达到出版标准的图表说明的模板，并提供规范的统计结果报告方式
• itol-reference.md - iTOL 数据集格式（DATASET_STYLE、DATASET_BINARY、DATASET_COLORSTRIP）、物种名称同步、故障排除
• journal-requirements.md - 各期刊的图表规范（Nature、Science、Cell、PLOS、ACS、IEEE、Elsevier、BMC）：尺寸、DPI、格式、面板标注、文件命名

资源（可在 notebook／脚本中导入）

• assets/publication.mplstyle - 通用出版样式：plt.style.use('path/to/publication.mplstyle')
• assets/nature.mplstyle - Nature 期刊样式（单栏 89mm、7pt 字体、600 DPI）
• assets/presentation.mplstyle - 适用于海报和幻灯片的较大字体／线条
• assets/color_palettes.py - 可导入的调色板定义（Okabe-Ito、Wong、Paul Tol）、apply_palette() 辅助函数、DNA 碱基颜色

脚本（辅助工具）

• scripts/figure_export.py - save_publication_figure()、save_for_journal()、check_figure_size()：根据期刊指定的 DPI／格式设置，以多种格式导出
• scripts/style_presets.py - apply_publication_style()、configure_for_journal()、set_color_palette()：一键配置期刊样式

核心原则

1. 始终检查对数尺度图表

基于 KDE 的图表（小提琴图、山峦图）在对数坐标轴上会产生失真的形状。请使用箱线图，或先对数据进行对数变换，再在线性坐标轴上绘图。详情请参阅 pitfalls-and-troubleshooting.md。

2. 先展示所有数据，再进行筛选

初始可视化默认展示所有数据点（showfliers=True）。离群值可能具有生物学意义。只有在领域专家审阅后才进行筛选，并始终记录排除项。

3. 使用色盲友好调色板

分类数据请使用 Okabe-Ito 调色板（Nature 推荐）。将颜色与标记形状结合，以提供冗余编码。切勿使用红绿配色。十六进制颜色代码和实现方法请参阅 color-palettes.md。

4. 遵守 Claude 的图像尺寸限制

与 Claude 分享的图像任一维度都不得超过 8000 像素。请使用安全图表尺寸预设和 save_figure() 辅助函数。详情请参阅 claude-image-constraints.md。

5. 谨慎放置注释

使用纯数据坐标或 ax.transAxes（0-1 范围）来定位文本。切勿混用坐标系（例如，将 ax.get_xaxis_transform() 与数据尺度的 y 值混用）。请参阅 pitfalls-and-troubleshooting.md。

图表选择快速指南

数据类型	推荐图表	适用场景
分布比较	箱线图	大型数据集、对数刻度、多组数据
分布形态	直方图	始终适用于对数刻度，可显示真实频率
时间趋势（少量数据点）	散点图 + 回归	每个时间点少于 50 个数据点，时间连续
时间趋势（大量数据点）	按年份分组的箱线图	数据点重叠、时间点离散
类别占比随时间变化	堆叠面积图 + 堆叠条形图（双面板）	同时展示相对趋势和绝对趋势
类别比较	条形图、小提琴图（仅线性刻度）	组均值或分布
系统发育注释	iTOL 数据集	使用元数据进行树形可视化

出版用图表清单

创建前

• 选择适合色盲人士的调色板（推荐 Okabe-Ito）
• 规划图表尺寸，确保不超过 Claude 的 8000px 限制
• 确定面板布局（并排或堆叠）

创建过程中

• 在图例中标注样本量：Category (n=123)
• 使用整数年份标签：ax.xaxis.set_major_locator(plt.MaxNLocator(integer=True))
• 添加注释时设置明确的坐标轴范围
• 对于密集数据，缩小元素尺寸（s=25, alpha=0.5）
• 保存时使用 bbox_inches='tight'

创建后

• 验证图像尺寸（Claude 支持的最大尺寸为 7999x7999）
• 检查注释是否位于绘图区域内
• 测试色盲可访问性
• 出版用图表的分辨率至少为 300 DPI

时间分析

• 同时创建包含全部数据的版本和清理后的版本
• 基于完整数据集（而非清理后的数据）计算统计量
• 记录异常值移除方法和数据保留率
• 使用清晰的文件命名：figure.png 与 figure_clean.png

快速参考：安全图表尺寸（300 DPI）

FIG_SIZES = {
    'single_column': (3.5, 4),      # 1050x1200 px
    'double_column': (7, 5),        # 2100x1500 px
    'full_page': (7, 9),            # 2100x2700 px
    'poster': (20, 15),             # 6000x4500 px
    'max_claude': (26, 26),         # 7800x7800 px
}

快速参考：Okabe-Ito 颜色（3 个类别）

colors = {
    'Category_A': '#0072B2',    # Blue
    'Category_B': '#E69F00',    # Orange
    'Category_C': '#CC79A7'     # Reddish Purple
}

最佳实践总结

1. 始终检查对数刻度图表 —— 对照直方图验证基于 KDE 的图表
2. 测试元素尺寸 —— 使用不同尺寸重新生成，以获得最佳清晰度
3. 明确设置坐标轴范围 —— 添加注释时不要依赖自动范围
4. 保持样式一致 —— 使用 seaborn 的上下文和样式，确保出版用图表风格一致
5. 高 DPI —— 保存时分辨率至少为 300 DPI（dpi=300, bbox_inches='tight'）
6. 优化坐标轴范围 —— 分布被压缩时，将视图缩放至数据范围
7. 检查图像尺寸 —— 与 Claude 分享前验证尺寸（最大为 7999x7999）
8. 设置尺寸限制 —— 以编程方式生成图像时使用安全图表尺寸
9. 包含异常值的时间趋势 —— 同时创建清理后的版本（用于出版）和完整版本（用于验证）
10. 标注样本量 —— 比较图表的图例中始终显示 n=

参考资料

• Matplotlib 文档：https://matplotlib.org/
• Seaborn 可视化：https://seaborn.pydata.org/
• iTOL 文档：https://itol.embl.de/help.cgi
• Okabe-Ito 调色板：https://jfly.uni-koeln.de/color/
• ColorBrewer：https://colorbrewer2.org