scientific-publication

科学出版物图表优化

基于用户反馈和出版要求，通过迭代优化系统改进科学图表的专家指南。

此目录中的支持文件：

• publication-standards.md - DPI、文件格式、尺寸规格、色彩无障碍设计
• multi-study-results.md - 撰写多项研究分析的综合结果，以及从复杂权衡中得出的实用建议
• methodological-transparency.md - 图表与统计数据的双重处理模式、异常值处理
• overleaf-packages.md - 使用模板和检查清单创建可直接用于生产的 Overleaf 软件包

何时使用此技能

• 根据审稿人或合作者的反馈改进图表
• 优化图表的清晰度和可读性
• 确保所有图表元素都在边界范围内
• 在不同布局方案之间进行选择（水平面板或垂直面板）
• 为高影响力出版物准备图表

图表迭代优化工作流

标准优化顺序

改进出版物图表时，请遵循以下系统化方法：

1. 找出核心问题

Examples:
- "Violin plots look distorted on log scale"
- "P-values are cut off at the top"
- "Too much visual clutter, hard to see the data"
- "Text overlaps with data points"

2. 修正可视化类型／方法

# Example: Replace inappropriate plot type
# Before: Violin plot on log scale (distorted)
ax.violinplot(data)
ax.set_yscale('log')

# After: Boxplot on log scale (accurate)
ax.boxplot(data)
ax.set_yscale('log')

3. 提高清晰度 系统地调整元素尺寸：

# Point sizes: Reduce for dense data
# Start: s=60 (exploratory)
# End: s=25 (publication)
ax.scatter(..., s=25, alpha=0.5)

# Line widths: Thinner reduces clutter
# Start: linewidth=2.5
# End: linewidth=1.5
ax.plot(..., linewidth=1.5)

# Text sizes: Prevent overlap
# Start: fontsize=10-12
# End: fontsize=8-9
ax.text(..., fontsize=8)

# Error bar caps: Keep readable
ax.errorbar(..., capsize=5)

4. 测试不同布局方案

# Option A: Side-by-side panels
fig, axes = plt.subplots(1, 2, figsize=(16, 7))
# Pros: Direct left-right comparison
# Cons: Smaller individual panels

# Option B: Stacked vertically
fig, axes = plt.subplots(2, 1, figsize=(10, 14))
# Pros: Larger individual panels, easier to read details
# Cons: Harder to compare across panels

# Decision: Let user feedback guide choice
# Generate both, ask which is clearer

5. 优化元素位置 确保所有标注都在绘图区范围内：

# Calculate safe positioning
y_max = max([d.max() for d in data_list])
y_min = min([d.min() for d in data_list])

# Position annotations WITHIN bounds
y_pos = y_max * 0.92  # 92%, not 105% (which goes outside)

# Set explicit limits with headroom
ax.set_ylim(y_min * 0.95 if y_min > 0 else y_min - 5,
            y_max * 1.05)

出版物图表检查清单

定稿前请使用此检查清单：

• 图表类型适合数据分布（对数刻度上不使用小提琴图）
• 所有文字清晰可读，符合出版尺寸要求（至少 8-10 pt）
• 统计标注清晰可见，且位于绘图区范围内
• 图例清晰，不会遮挡数据
• 坐标轴标签描述明确，并标注单位
• 配色方案适合色觉障碍者
• 线宽均衡（不太粗也不太细）
• 点大小经过优化（清晰可见，且不会相互重叠）
• DPI 足够，符合出版要求（至少 300）
• 已测试布局（适用时尝试水平和垂直布局）
• 文件格式符合出版要求（PNG、PDF 或 SVG）

常见优化模式

模式 1：简化密集图表

问题：过多视觉元素相互争夺注意力

解决步骤：

1. 减小点大小（60 -> 25）
2. 减小线宽（2.5 -> 1.5）
3. 提高透明度（alpha=0.8 -> 0.5）
4. 减小字体大小（10 -> 8）
5. 移除网格线或调淡网格线（alpha=0.3）

优化前后测试：生成两个版本并进行比较

模式 2：修复溢出问题

问题：标注、图例或标签被截断

解决方案：

# 1. Adjust annotation positions
y_pos = y_max * 0.92  # Within bounds

# 2. Use bbox_inches='tight' when saving
plt.savefig('figure.png', dpi=300, bbox_inches='tight')

# 3. Explicitly set limits
ax.set_ylim(min_val * 0.95, max_val * 1.05)

# 4. Move legend outside plot area
ax.legend(bbox_to_anchor=(1.05, 1), loc='upper left')

# 5. Reduce text size
ax.text(..., fontsize=8)  # Down from 10

模式 3：优化多面板布局

尝试两种方向：

# Version 1: Horizontal (side-by-side)
fig, axes = plt.subplots(1, 2, figsize=(16, 7))
plt.savefig('fig_horizontal.png', dpi=300, bbox_inches='tight')

# Version 2: Vertical (stacked)
fig, axes = plt.subplots(2, 1, figsize=(10, 14))
plt.savefig('fig_vertical.png', dpi=300, bbox_inches='tight')

# Present both to user, ask which is clearer

选择标准：

• 水平布局：更适合直接比较不同面板
• 垂直布局：更适合需要更多空间的面板
• 用户场景：期刊栏宽、演示幻灯片等

模式 4：迭代调整统计标注

常见问题：P 值位于绘图区之外，或与数据重叠

解决方案：

# Calculate data range first
all_data = [data_dual, data_prialt]  # All datasets in plot
y_max = max([d.max() for d in all_data if len(d) > 0])

# Position relative to actual data, not theoretical maximum
for i, (x_pos, comparison) in enumerate(comparisons):
    stat, pval = stats.mannwhitneyu(...)

    # Safe positioning
    y_annotation = y_max * 0.92  # Below the top

    # Format text
    if pval < 0.001:
        text = 'p < 0.001***'
    elif pval < 0.01:
        text = 'p < 0.01**'
    elif pval < 0.05:
        text = 'p < 0.05*'
    else:
        text = f'p = {pval:.3f} ns'

    ax.text(x_pos, y_annotation, text, ha='center', fontsize=9)

# Set explicit limits to ensure annotations fit
ax.set_ylim(0, y_max * 1.05)

优化工作流示例

真实案例：VGP 图 5 的改进过程

1. 初始版本：4 个类别，使用对数刻度的小提琴图

   • 问题：小提琴图变形，过于复杂

2. V1 优化：移除小提琴图，保留箱线图

   • 有所改善，但仍有问题

3. V2 优化：简化为 3 个类别

   • 解读更清晰

4. V3 优化：缩小点的尺寸（60->25），细化线条（2.5->1.5）

   • 减少了杂乱感

5. V4 优化：测试纵向和横向布局

   • 横向布局更适合此案例

6. V5 优化：调整 p 值的位置（y_max 的 105%->92%）

   • 现在所有元素都清晰可见

7. 最终版：缩小统计信息框中的文字（10->8）

   • 达到出版要求

总迭代次数：优化过程中共完成 7 个版本 结果：图表清晰、准确，达到出版质量

最佳实践

1. 为优化版本编号

进行重大更改时，保留工作版本：

scripts/
  plot_figure.py          # Original
  plot_figure_v2.py       # After major change (layout)
  plot_figure_final.py    # Publication version

2. 并行生成备选方案

测试布局选项时：

# Save both versions
layouts = [
    ((1, 2), (16, 7), 'horizontal'),
    ((2, 1), (10, 14), 'vertical')
]

for (nrows, ncols), figsize, name in layouts:
    fig, axes = plt.subplots(nrows, ncols, figsize=figsize)
    # ... plot data ...
    plt.savefig(f'figure_{name}.png', dpi=300, bbox_inches='tight')

3. 记录每次优化

"""
Figure 5 - Terminal Telomere Presence

Version history:
- v1: Initial 4-category version with violin plots
- v2: Removed violin plots (distortion on log scale)
- v3: Simplified to 3 categories (terminal only)
- v4: Reduced point/line sizes for clarity
- v5: Fixed p-value positioning
- final: Publication ready

Changes from v4 -> v5:
- P-value y-position: 1.05 * y_max -> 0.92 * y_max
- Added explicit y-axis limits: (y_min*0.95, y_max*1.05)
- Ensures all annotations visible within plot bounds
"""

4. 在关键节点征求反馈

不要在没有反馈的情况下反复迭代：

• 修复重大问题后（图表类型错误）：展示给用户
• 调整布局后（横向布局与纵向布局对比）：展示给用户
• 最终润色后：展示给用户

5. 保持整组图表的一致性

优化一张图时，检查相同的改进是否也适用于其他图：

# Applied violin->boxplot fix to Figures 2, 7, 10, 11
# Applied size reductions consistently across all figures
# Used same color scheme throughout

总结

系统化优化工作流：

1. 找出问题 -> 2. 改进可视化效果 -> 3. 提高清晰度 -> 4. 测试布局 -> 5. 优化位置

关键原则：

• 根据用户反馈进行迭代
• 测试备选方案（展示选项）
• 记录更改
• 将经验应用于整组图表
• 符合出版标准

常见调整：

• 点的尺寸：60 -> 25
• 线宽：2.5 -> 1.5
• 字体大小：10 -> 8
• 注释位置：最大值的 105% -> 92%
• 始终明确设置坐标轴范围

更多指导，请参阅以下支持文件：

• 出版标准（DPI、格式、尺寸）：publication-standards.md
• 多研究结果写作：multi-study-results.md
• 方法透明度：methodological-transparency.md
• Overleaf 软件包创建：overleaf-packages.md