zcdsj
/
zcbot
5
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity
zcbot/skills/plot_pub/SKILL.md

10 KiB
Raw Blame History

name description
plot_pub 出版级 matplotlib 绘图(论文 / 报告 / 申报书用,中文字体 + viridis 配色 + dpi 设定一键到位)。✅ 触发:用户要画 XRD 谱、TG-DSC 曲线、应力-应变曲线、SEM 标注、多 panel 学术图、投稿级 / Nature 级复合图、要 SVG/PDF 矢量图给论文。⛔ 不触发:PPT 内嵌图(走 `ppt` skill 的 matplotlib 配图流程);只要快速看一眼数据(直接 `df.plot()` 即可,不用本 skill)。

plot_pub

服务建材院的论文 / 申报书 / 调研报告出图。核心是 apply_pub_style() 一键设置 rcParams(中文字体、viridis 默认、字号、dpi、矢量优先),避免每次手动设置十几行还忘配中文字体。

何时用

  • 写论文要投 Cement and Concrete Research / J. Am. Ceram. Soc. / Construction and Building Materials 等期刊
  • 报告 / 申报书要中文标题 + 中文图例的高 dpi 图
  • 多组样本数据对比(XRD 多谱叠图、强度发展曲线、温度场)
  • 双 Y 轴(TG-DSC 是典型)

何时不用

  • PPT 里要嵌图 → 走 skills/ppt(那边已经有配色 / 尺寸规范)
  • 交互式探查数据 → 用 plotly / 直接 jupyter
  • 只要看趋势不出版 → df.plot() 一行搞定,不用本 skill 的 ceremony

准备

from skills.plot_pub.style import apply_pub_style
import matplotlib.pyplot as plt
import numpy as np

apply_pub_style()  # 调一次,后面所有 plt 都按这个 style

apply_pub_style() 参数

参数 默认 说明
chinese True 加载 SimHei / Microsoft YaHei,中文不显示方块
dpi 150 屏幕显示 dpi;保存图用 savefig(..., dpi=300) 单独控
font_size 10 论文双栏图标准字号
linewidth 1.2 线粗,出版图细些显精致
cmap "viridis" 默认 colormap,审稿人不会喷(jet 现在是雷区)

典型工作流

A. XRD pattern(多相叠图 + 标峰)

from skills.plot_pub.style import apply_pub_style
import matplotlib.pyplot as plt
import numpy as np

apply_pub_style()

fig, ax = plt.subplots(figsize=(6, 4))

# 实测谱
ax.plot(two_theta_exp, intensity_exp, "k-", lw=1.0, label="实测")

# 理论谱(各物相,用 pymatgen XRDCalculator 算的)
for phase, pattern in pymatgen_patterns.items():
    ax.vlines(pattern.x, 0, pattern.y / pattern.y.max() * intensity_exp.max() * 0.3,
              label=phase, alpha=0.7)

ax.set_xlabel(r"$2\theta$ / °")
ax.set_ylabel("强度 / a.u.")
ax.set_xlim(5, 80)
ax.legend(frameon=False, loc="upper right")
fig.tight_layout()
fig.savefig("xrd_compare.pdf", bbox_inches="tight")  # PDF 矢量,期刊偏好
fig.savefig("xrd_compare.png", dpi=300, bbox_inches="tight")  # PNG 给 PPT
plt.close(fig)  # 关键!run_python 多任务下不关会堆 figure 泄漏内存

B. TG-DSC 双 Y 轴

fig, ax_tg = plt.subplots(figsize=(6, 4))
ax_dsc = ax_tg.twinx()

ax_tg.plot(T, tg_mass, "b-", lw=1.2, label="TG")
ax_dsc.plot(T, dsc_flow, "r-", lw=1.2, label="DSC")

ax_tg.set_xlabel("温度 / °C")
ax_tg.set_ylabel("质量 / %", color="b")
ax_dsc.set_ylabel("热流 / mW·mg$^{-1}$", color="r")
ax_tg.tick_params(axis="y", labelcolor="b")
ax_dsc.tick_params(axis="y", labelcolor="r")

# 合并两个 ax 的 legend
lines1, labels1 = ax_tg.get_legend_handles_labels()
lines2, labels2 = ax_dsc.get_legend_handles_labels()
ax_tg.legend(lines1 + lines2, labels1 + labels2, loc="best", frameon=False)

fig.tight_layout()
fig.savefig("tg_dsc.pdf", bbox_inches="tight")
plt.close(fig)

C. 多组样本对比(强度发展曲线)

fig, ax = plt.subplots(figsize=(6, 4))
ages = [3, 7, 14, 28, 56, 90]

# 用 viridis 给多个样本上色,顺序色觉友好
import matplotlib.cm as cm
colors = cm.viridis(np.linspace(0.1, 0.9, len(samples)))

for (label, strengths), c in zip(samples.items(), colors):
    ax.plot(ages, strengths, "o-", color=c, lw=1.2, ms=5, label=label)

ax.set_xlabel("龄期 / d")
ax.set_ylabel("抗压强度 / MPa")
ax.set_xscale("log")  # 龄期用对数刻度更清楚
ax.legend(frameon=False)
ax.grid(True, ls="--", alpha=0.3)

fig.tight_layout()
fig.savefig("strength_dev.pdf", bbox_inches="tight")
plt.close(fig)

D. 多 panel(2×2 figure,论文 figure 1 标配)

fig, axes = plt.subplots(2, 2, figsize=(10, 7), constrained_layout=True)

axes[0, 0].plot(...)  # (a) XRD
axes[0, 1].plot(...)  # (b) FTIR
axes[1, 0].plot(...)  # (c) TG
axes[1, 1].plot(...)  # (d) 强度

# 子图编号(论文图 1 标准做法)
for ax, letter in zip(axes.flat, "abcd"):
    ax.text(0.02, 0.95, f"({letter})", transform=ax.transAxes,
            fontweight="bold", va="top")

fig.savefig("fig1_characterization.pdf", bbox_inches="tight")
plt.close(fig)

投稿级多 panel 复合图(Nature-grade composite)

要投高影响期刊、要一张"封面级"的多 panel figure 1 时,光排版正确不够 —— 还要让图讲一个故事。下面这套设计纪律移植自 nature-figure skill(MIT,github.com/Yuan1z0825/nature-skills),砍掉其 R / 单细胞 / 在体生物那一套,只留可迁移的部分,适配建材领域。

动手前:五点 figure contract

画复合图前先在心里(或跟用户)把这五条对齐,先想清楚再下笔,避免画完六张图才发现讲不成一个故事:

  1. 核心结论:这张图要捍卫的一句话论断是什么?(例:"复合掺合料把 28d 强度提升 18% 且不牺牲流动度")
  2. 证据链:每个 panel 对应唯一一条证据,删掉冗余 panel —— 同一份数据别用两种图形再画一遍,同一组指标别排两次序
  3. 图原型:归类为 ① 定量网格(全是量化对比图)② schematic 主导(机理图 + 验证小图)③ 图像板 + 定量(SEM/光学 plate + 旁证曲线)④ 非对称混合;先定原型再排版
  4. 后端:本 skill 纯 matplotlib(Python),所有 panel / 预览 / 导出统一一套后端出
  5. 期刊契约:开画前定好尺寸(单栏 ~89mm / 双栏 ~183mm)、可编辑矢量(已由 apply_pub_style 设 svg.fonttype='none')、source data、统计标注、导出格式

一句话原则:图为科学逻辑服务,美化 / 套模板 / 复杂排版都是次要的。

语义配色(比 viridis 更进一步)

单组数据用 viridis 没问题;但多组对比 / 方法 vs 基线时,颜色要承载语义,而不是随机区分。style.py 已内置一张语义色表:

from skills.plot_pub.style import apply_pub_style, SEMANTIC_COLORS, clean_spines, ablation_alphas

apply_pub_style()

# 蓝=本方法/主角  绿=提升  红=baseline/对照  灰=参照  橙=少量强调
ax.bar(x0, y_base,   color=SEMANTIC_COLORS["baseline"], label="基准配方")
ax.bar(x1, y_method, color=SEMANTIC_COLORS["method"],   label="复合掺合料")

原则:family consistency beats maximal hue separation —— 相关的几条基线归一个色系,本方法的几个变体归另一个色系,别把颜色撒得到处都是。消融 / 梯度对比用同色变 alpha(0.25→1.0)而不是换色相:

colors = ablation_alphas(len(掺量梯度))  # 同蓝色由浅到深
for (label, y), c in zip(掺量梯度.items(), colors):
    ax.plot(x, y, color=c, label=label)

信息架构 + spine 纪律

  • 多 panel 要作为一个故事读,不是六张互不相干的图拼一起
  • 有 schematic / hero panel 时给它视觉主导,旁边的验证小图别喧宾夺主
  • 每个 panel 调 clean_spines(ax) —— 只留左 + 下边框,去掉上 + 右,信噪比立刻上来
  • legend 无框(apply_pub_style 已设)、网格抑制(只在需要时留稀疏 y 网格)
fig, axes = plt.subplots(1, 3, figsize=(7.2, 2.6), constrained_layout=True)  # 双栏宽 ~183mm

axes[0].bar(...)      # (a) 概览:堆叠/分组柱
axes[1].imshow(...)   # (b) 偏差:z-score 热图
axes[2].scatter(...)  # (c) 关系:散点/气泡 —— 三级递进,各答一个不同的科学问题

for ax in axes:
    clean_spines(ax)
for ax, letter in zip(axes, "abc"):
    ax.text(-0.12, 1.02, f"({letter})", transform=ax.transAxes, fontweight="bold", va="bottom")

fig.savefig("fig1_composite.svg", bbox_inches="tight")  # SVG 主格式,文字可编辑
fig.savefig("fig1_composite.png", dpi=300, bbox_inches="tight")  # PNG 仅作 raster 预览
plt.close(fig)

导出纪律

  • SVG 为主格式(文字可编辑,编辑部/作者能改),PDF 矢量并行,PNG 300dpi 仅作预览
  • 别拿 PNG 当投稿正图(见反模式 #6)

中文字体配置(Windows 注意)

apply_pub_style(chinese=True) 默认按以下顺序找字体:

  1. SimHei(Windows 自带,黑体)
  2. Microsoft YaHei(Windows 自带,雅黑)
  3. WenQuanYi Micro Hei(Linux 兜底)

都没有 → 退回 DejaVu Sans,中文显示方块。装字体方式:Windows 控制面板 → 字体,丢 .ttf 进去。

LaTeX 公式渲染:matplotlib 用 $...$ 自动走 mathtext,中英文混排正常。要更精细的 LaTeX(自定义 macro)就 plt.rcParams["text.usetex"] = True,但要本地装 TeX Live。

反模式

  1. 用 pyplot 状态机不用 OO 接口 —— 写 plt.plot(); plt.xlabel(...) 一时爽,多 figure 时变量乱;一律 fig, ax = plt.subplots()
  2. 不 close figure —— run_python 跑多次会堆 figure 内存涨,必须 plt.close(fig) 收尾
  3. 用 jet colormap —— 色觉障碍审稿人会喷,近年期刊都偏 viridis / plasma / cividis
  4. 保存图不 bbox_inches="tight" —— legend / 标题被裁掉,反复看图反复改尺寸
  5. 同图 dpi 跟 figsize 不匹配 —— figsize=(10,7) dpi=300 给 PPT 嵌入太大,字会很小;论文图 figsize=(6,4) 双栏刚好
  6. PNG 给论文 —— 期刊要矢量,PDF / SVG / EPS 优先;PNG 只给 PPT / 网页
  7. 中文显示方块还坚持跑 —— apply_pub_style() 失败会 warn,看到 warning 就停下查字体
  8. legend 框线 / 灰底 —— 出版图 legend(frameon=False),干净
  9. 轴标签没单位 —— "温度" 是错的,"温度 / °C" 才对(SI 推荐 / 分隔)
  10. ax.set_xticks([1,2,3,...]) 手动写一堆 —— matplotlib 自动 tick 已经足够,手动覆盖只在特殊场景(对数轴 / 离散类别轴)

依赖

matplotlib 已经在 requirements.txt(>=3.8.0)。本 skill 无新增依赖。