科研论文配图的绘制与配色基础(一) |
您所在的位置:网站首页 › 五种颜色搭配图表 › 科研论文配图的绘制与配色基础(一) |
1.1 科研论文配图的绘制基础
1.1.1 绘制规范
不同学术期刊在图名、字体、坐标轴以及颜色选择、配图格式等方面都有其特有的要求。 1.科研论文配图的分类与构成科研论文配图可分为线性图、灰度图、照片彩图和综合配图 4 种类型。其中,线性图是主要和常用的配图类型。 线性图是指由包括Python、R、MATLAB 等编程软件,以及 Excel、SPSS、Origin(OriginLab 公司出品)等集成软件在内的绝大多数数据分析工具输出的多种插图样式,如折线图、散点图、柱形图等。这类 插图是科技论文中常见的图表类型,也是一种加工费时、设置细节较多的图表类型。 科研论文配图主要包括 X 轴(X axis,又称横轴)、Y 轴(Y axis,又称纵轴)、X 轴标签(X axis label)、Y轴标签(Y axis label)、主刻度(Major tick)、次刻度(Minor tick)和图例(Legend) 等。 注意:插图中的标签文本的大小、是否使用斜体、是否添加图例边框、是否添加网格线![]() 科研论文中常见的插图格式有像素图和矢量图。其中,像素图(位图)是以单个像素为单位,通过对像素进行组合和排列来显示图片格式。像素图在放大到一定程度后,会失真,变得模糊。常见的像素图格式包括 JPEG、PSD、PNG、TIFF,其中,JEPG 是一种常用的有损压缩图片格式,处理起来较容易,但像素分辨率低、清晰度差、色彩损失大。矢量图是使用点、直线或多边形等基于数学方程的几何图元表示的图像。矢量图的图像文件包含独立的分离图像,可以自由、无限制地进行重新组合,其特点是放大后图像不会失真,也就是说,与分辨率无关。常见的矢量图格式包括 EPS、PDF、AI、SVG,其中,EPS 格式的图片文件小、显示质量高、色彩保真度高,印刷时的字样较为清晰,是常用的论文配图格式;AI 格式是一种可以二次修改的图片格式,也是常用的插图格式,其体积较大,包含图片各图层的所有信息。 对于像素图,一般的科学引文索引(Science Citation Index,SCI)期刊都要求插图的分辨率大于 300dpi(dpi 是表示空间分辨率的计量单位,即每英寸可分辨的点数)。 注意:不能一味地追求高分辨率的像素图,因为分辨率太高,相应的插图文件就很大,易造成投稿困难。 3. 科研论文配图中的字体和字号设置英文科技期刊大多使用 Arial、Helvetica 或 Times New Roman 字体。值得注意的是,单篇科研论文中的所有插图的字体、字号要尽量保持一致,同一幅插图中的字体必须一致。如果插图中确有需要突出的部分,则可以将它们设置为粗体或斜体形式,或者更改文字颜色。 中文期刊字体设置为宋体或黑体。 4. 科研论文配图的版式设计、结构布局和颜色搭配 版式设计:配图中文字的字体要保持一致,字号不大于正文字体;行距、文字间距应与正文协调一致。结构布局:配图应出现在引用文字的下方或右侧,“先文后图”;不同尺寸的配图不要安排在同一行或同一列。颜色搭配:避免使用过亮或过暗的颜色,相邻的图层元素不宜采用相近的颜色(特别是在分类插图中华);对于彩色图,我们要使用原图,慎用灰度图表示。 1.1.2 绘制原则 1. 必要性原则科研论文配图的主要应用场景包括结构表达、体系构建、模型研究、数据预处理及分析、调查统计等。 如何判断是否需要配图? 如果配图可以起到补充说明文字、直观展示结果、引出下文内容等作用,那么它就是必要的。 注意:避免文字较少图标较多的情况:无需将原始数据和中间处理过程涉及的插图全部展示在论文中,应在有复杂和多维数据的情况下,提高精选插图的能力,而非简单地对其插图。(过多的插图会消耗大量的绘制时间) 2.易读性原则方便读者准确理解科研论文配图的内容。 3. 一致性原则 配图所表达出的内容与上下文或者指定内容描述一致 :科研论文中的插图虽然可以独 立存在,但也应与上下文中介绍插图的内容或者指定的内容一致。此外,论文配图中 的物理量缩写、符号等都应与论文正文中介绍的保持一致。配图数据与上下文保持一致 :论文配图中的有效数字是根据配图上下文中的实数据或 者不同测量、转换方法等最终确定的。插图比例尺和缩放比例大小保持一致 :涉及地理空间插图的绘制时,插图中包含的比 例尺等图层元素,在修改时应保持与缩放的比例大小相一致 ;在修改插图的大小时, 也应与缩放的比例大小相一致。类似配图各图层要素保持一致 :当论文中出现多个类似配图时,我们应当保证各配图 中的文本属性(大小、字体、颜色)、符号,以及配图中各图层结构等保持一致。 1.2 科研论文配图的配色基础 1.2.1 色彩模式常见的色彩模式: RGB 色彩模式、CMYK 色彩模式和 HEX 色彩模式 1. RGB色彩模式RGB 色彩模式是指通过混合红(Red)、绿(Green)、蓝(Blue)3 种颜色来表现各种色彩。该色彩模式利用红、绿、蓝 3 个颜色通道的变化,以及它们相互之间的叠加来得到各种颜色值,是目前使用较为广泛的颜色系统。RGB 色彩模式为图片中每一个像素的 R、G、B 各分配一个强度值(取值范围为 0 ~ 255),如黑色可表示为 (0,0,0),白色可表示为 (255,255,255)。 CMYK 色彩模式可以看作 RGB 色彩模式的子集。它是一种主要用于彩色印刷的四色模型,其中,C 表示青色(Cyan),M 表示品红色(Magenta),Y 表示黄色(Yellow),K 表示黑色(blacK)。与 RGB 色彩模式的不同之处在于,CMYK 色彩模式是一种印刷色彩模式,也是一种依靠反光的色彩模式。尽管RGB 色彩模式表示的颜色更多,但并不表示它们能够全部印刷出来。理论上,把青色、品红色、黄色混合在一起,就可以得到黑色,但是,依照目前的工艺制造水平,三者混合后得到的实际结果是暗红色,因此,我们需要加入一种专门的黑墨来中和,即使用定位套版色(黑色)(Key Plate(Black)),以确保输出黑色。在现阶段,大多数纸质期刊在稿件出版阶段都会要求图片使用 CMYK 色彩模式。对于网络版本的期刊,我们应该使用 RGB 色彩模式,因为使用该色彩模式的图片,其表现效果好,色彩靓丽,更适合在网络上传播。 HEX 色彩模式,又称十六进制色彩模式,它和 RGB 色彩模式的原理类似,都是通过红、绿、蓝三原色的混合而产生各种颜色。HEX 色彩模式常用于在代码中表示颜色,这一点方便我们在利用代码绘制科研论文配图时更换颜色。HEX 色彩模式采用 6 位十六进制数来表示颜色,而 RGB 色彩模式中的 R、G、B 则采用 1 个十进制数来表示。简单来说,HEX 色彩模式就是将 RGB 色彩模式中的每个十进制数转换为对应的两位十六进制数来表示,并以“#”号开头,且 3 个字节的顺序如下,字节 1 表示红色值(颜色类型为红色),字节 2 表示绿色值(颜色类型为绿色),字节 3 表示蓝色值(颜色类型为蓝色),1 个字节表示 00 ~ FF 范围内的数字。需要注意的是,HEX 色彩模式中每个字节必须包含两位十六进制数,对于经过十进制数(0 ~ 255)转换后只有一位十六进制数的情况,我们应在这个十六进制数之前补零。例如,十进制数 0 转换为十六进制数后仍为 0,但是,我们要在 HEX 色彩模式中将它表示为“00”。 色轮(color wheel)又称色环,一般由 12 种基本颜色按照圆环方式排列组成。它是一种人为规定的色彩排列方式。它不但可以帮助用户更好地研究色彩变换和色彩搭配规律,而且允许用户自行设计具有个人风格的配色方案。常见的色轮配色方案有单色配色方案(monochromatic color scheme)、互补色配色方案(complementary color scheme)、等距三角配色方案(triadic color scheme)和四角配色方案(tetradic color scheme)等 在科研论文配图的绘制过程中,单色配色方案常被用于表示有直接关系、关系较为密切或同系列的数据 注意:种类不宜过多,3 ~ 5 种较为合适 2. 互补色配色方案当只能选择两种颜色时,我们可参考互补色配色方案进行选择。色轮上间隔 180°(相对) 的两种颜色为互补色。互补色具有强烈的对比效果,因此,它可用于科研论文配图中观察组数 据和对照组数据的可视化表达。 3. 等距三角配色方案等距三角配色方案是指将色轮上彼此间隔 120°的 3 种颜色进行组合。等距三角配色方案会让配图的颜色更加丰富,但它在科研论文配图绘制的过程中应用较少。 4. 四角配色方案四角配色方案有两种,一种是图 1-2-4(d)中实线表示的两对互补色组成的矩阵配色方案,另一种是图 1-2-4(d)中虚线表示的方形配色方案(square color scheme)。四角配色方案的优点是能够使配图的颜色更加丰富,缺点是使用时具有很大的挑战性,容易造成色彩杂乱,很多用户其实很难平衡自己选择的多种颜色。在科研论文配图的颜色选择过程中,我们要尽量避免使用四角配色方案。 1.2.3 颜色主题不同的绘图工具(如 Python 中常用的绘图工具 Matplotlib 和 Seaborn)都有其颜色主题。颜色主题是按照一定的美学规律设计出来的,对其灵活使用可以提高插图的美观度。颜色主题对用户(尤其是初学者)友好,使用户不必将大量时间浪费在配色的选择上。用户可根据自身绘图需求选择合适的颜色主题或自定义颜色主题。一些英文期刊会有自己的一套颜色主题,用户在投稿时将插图配色更改为期刊要求的颜色主题即可。 Matplotlib 库的颜色主题主要包括 3 种类型:单色系(sequential)、双色渐变色系(diverging) 和多色系(qualitative)。 1. 单色系单色系主题中颜色的色相基本相同,饱和度单调递增。它的主要维度是颜色亮度(lightness),一般情况下,较低的数值对应较亮的颜色,较高的数值对应较暗的颜色,这是因为可视化配图往往是在白色或浅色背景上绘制的,而在深色背景中,则会出现相反的情况,即更亮的颜色用更高的数值表示。单色系主题的次要维度是色调(hue),即较暖的颜色出现在较亮的一端,较冷的颜色则会出现在较暗的一端。例如,人口密度的变化就可以使用单色系颜色进行表示。 2. 双色渐变色系双色渐变色系颜色主题主要用在有一个关键中心值(midpoint)的数值变量中,其本质是两个连续单色系的组合,把关键的中心值作为中间点,一般使用白色表示,大于中心值的分配给中间点一侧的颜色,而小于中心值的分配给中间点另一侧的颜色。此外,我们可以通过颜色的深浅进行判断,即中心值通常被指定为浅色,距中心点越远,颜色越深。 当所表示的数据为类别型数值(类别变量)时,我们可以使用多色系颜色主题。在多色系颜色主题的使用过程中,需要给每个组分配不同的颜色。一般情况下,可尝试将颜色主题中的颜色类别设置为 10 种或更少,而使用过多的颜色类别,可能造成分组混乱,导致杂乱的视觉效果。当现有的颜色类别无法涉及全部数值时,可将某个数值类别叠加在一起,形成单个其他类别。 主要以色环(色轮)的方式为使用者选择配色,包括单色搭配、互补色搭配、三角形搭配、矩形搭配、类 似色搭配和“类似色搭配互补色”6 种色环配色方案.、 该界面包含 4 个区域,介绍如下。 黄色框区域为色环配色选择区域,有 6 种色环配色方案可供使用者选择。红色框区域为色环显示区域,图 1-2-15 中的黑色箭头指向的是根据“三角形搭配”方案选择的颜色在色环中的位置。蓝色框区域为配色方案 ID(编号)。绿色框区域为色环配色方案的预览区域。 在这个高级在线配色器的左上角,选择一个配色方案,根据所选方案的不同,色环上会出现不同数量的圆点。单击或拖动色环上的圆点,右侧“配色预览”区域将即时呈现所选配色的预览图。 在选好色环配色方案后,我们可以通过“配色方案调节”选项(见图 1-2-16)进行颜色亮度和饱和度的调整,还可以进行配色对比度的调整;“色彩列表”区域展示该色环配色方案对应的所有 HEX 颜色码。 2. Adobe Colordobe Color 的色轮配色工具界面包括以下 6 个模块。 黄色框区域包含常用的色轮配色方案,有类别色系、单色系、三角色系、互补色系、 正方形色系等。红色框区域为选择色轮配色方案后对应的色轮,拖动白色箭头 ( 红色箭头指示 ),可 以统一调整色相和饱和度。蓝色框区域为选定色轮配色方案对应的颜色,中间色块中的白色三角对应色轮中的白 色箭头。紫色框区域为色块对应的 HEX 颜色码。橙色框区域为可选的色彩模式,包括 RGB、HSB 和 LAB。绿色框区域为色彩模式对应的单个维度颜色值,如 R、G、B 值![]() ColorBrewer 2.0 的操作界面包括下列 8 个模块。 ① 表示可选的数据类别数。ColorBrewer 2.0 提供的数据类别数最多 12 个,我们建议将数 据类别数设置为 5 ~ 8 个。 ② 表示可选择的颜色主题。ColorBrewer 2.0 提供了单色系(sequential)、双色渐变色系 (diverging)和多色系(qualitative)3 种选项。 ③ 表示选定颜色主题后的配色方案。在单色系主题中,还涉及色调的选择,可供选择的 色调类型包括多色调(Multi-hue)和单色调(Single hue)。 ④ 表示配色方案输出时的注意事项,即用户是否需要考虑色盲情形(colorblind safe)、是 否友好打印(print friendly)等。 ⑤ 表示具体搭配色系的输出模式及对应的颜色码,可选择的格式包括 HEX、RGB 和 CMYK。 ⑥ 用于控制不同颜色搭配方案的一些属性,包括道路(roads)、城市(cities)和边界线 (borders),用户可以用不同的颜色表示它们。 ⑦ 表示背景设置区域。背景设置包括纯色(solid color)和地形(terrain)两个选项。用 户还可以设置背景颜色的透明度(color transparency)。 ⑧ 展示不同颜色搭配方案的预览效果。 ![]() 与箱形图相比,小提琴图毫无疑问的优势在于:除了显示上述的统计数据外,它还显示了数据的整体分布。这个差异点很有意义,特别是在处理多模态数据时,即有多峰值的分布。 # a)Matplotlib的默认颜色主题 matplotlib_colors = ['#1f77b4', '#ff7f0e', '#2ca02c', '#d62728'] fig,ax = plt.subplots(figsize=(3,3.2),dpi=100,facecolor="w") ax = sns.violinplot(x="day", y="total_bill", data=tips, palette=matplotlib_colors, saturation=1) for spine in ["top","right"]: ax.spines[spine].set_visible(False) ax.grid(False) ax.set_ylim(-10,60) ax.set_xlabel("Class") ax.set_ylabel("Value") plt.tight_layout() plt.show() # b)Seaborn的默认颜色主题 fig,ax = plt.subplots(figsize=(3,3.2),dpi=100,facecolor="w") ax = sns.violinplot(x="day", y="total_bill", data=tips,saturation=1) for spine in ["top","right"]: ax.spines[spine].set_visible(False) ax.grid(False) ax.set_ylim(-10,60) ax.set_xlabel("Class") ax.set_ylabel("Value") plt.tight_layout() plt.show() # c)SciencePlots的默认颜色主题(需安装Scienceplots包(pip install SciencePlots),不同版本引用方式有所不同,请注意!) with plt.style.context(['science']): from proplot import rc rc["xtick.minor.visible"] = False rc["ytick.minor.visible"] = False rc["xtick.major.pad"] =5 fig,ax = plt.subplots(figsize=(3,3.2),dpi=100,facecolor="w") ax = sns.violinplot(x="day", y="total_bill", data=tips,saturation=1) for spine in ["top","right"]: ax.spines[spine].set_visible(False) ax.tick_params(top=False,right=False) ax.grid(False) ax.set_ylim(-10,60) ax.set_xlabel("Class") ax.set_ylabel("Value") plt.tight_layout() plt.show()
|
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |