科研论文配图绘制指南——基于Python

版权信息

书名：科研论文配图绘制指南——基于Python

ISBN：978-7-115-60761-4

本书由人民邮电出版社发行数字版。版权所有，侵权必究。

您购买的人民邮电出版社电子书仅供您个人使用，未经授权，不得以任何方式复制和传播本书内容。

我们愿意相信读者具有这样的良知和觉悟，与我们共同保护知识产权。

如果购买者有侵权行为，我们可能对该用户实施包括但不限于关闭该帐号等维权措施，并可能追究法律责任。

版　　权

著    宁海涛

责任编辑 张 涛

人民邮电出版社出版发行　　北京市丰台区成寿寺路11号

邮编　100164 　电子邮件　315@ptpress.com.cn

网址　http://www.ptpress.com.cn

读者服务热线：(010)81055410

反盗版热线：(010)81055315

读者服务：

微信扫码关注【异步社区】微信公众号，回复“e60761”获取本书配套资源以及异步社区15天VIP会员卡，近千本电子书免费畅读。

内容提要

全书分为8章，主要内容如下：第1章介绍学术论文插图绘制的规范性和基本原则以及学术论文插图的配色基础；第2章介绍绘制学术论文插图的主要工具，并重点介绍Matplotlib、Seaborn、ProPlot以及SciencePlots工具包的语法及其重要特征；第3章介绍学术论文中常见的单变量图及其绘制方法，包括直方图、密度图、Q-Q图等；第4章介绍学术论文中常见的双变量图及其绘制方法，具体包括误差线、柱形图、箱线图、相关性散点图以及矩阵热力图等；第5章介绍学术论文中常见的多变量图及其绘制方法，包括等高线图、点图系列、三元相图、3D图系列以及RadViz图等；第6章介绍学术论文中常见的空间数据型图及其绘制方法，包括分级统计地图、连接线地图、等值线地图以及子地图等；第7章介绍学术论文中常见的可视化图及其绘制方法，包括配对图系列、韦恩图、泰勒图以及漏斗图等；第8章通过案例介绍学术论文插图的绘制技术。

本书结构清晰，兼具美观性与实用性，既适合各大研究机构和高校等单位的工作者阅读，也适合各行业工作人员以及在读的研究生和准备考研的大学生阅读，还适合需要进一步掌握科研论文插图的设计思路和绘制技巧的群体学习。

前  言

本书首先介绍了学术论文插图的制作原则和配色基础；其次系统地介绍了Matplotlib、Seaborn、ProPlot以及SciencePlots工具包及其重要特征；最后介绍如何使用Python中的Matplotlib、Seaborn、ProPlot、SciencePlots等工具包绘制学术论文中常见的插图。

本书定位

Python作为最近几年越来越流行的编程语言，依靠其易学性和可拓展性，不仅在数据分析、机器学习、人工智能以及计算机视觉等领域得到充分利用，而且其优质的第三方拓展工具包，也使Python在以上领域得以发展，但是在数据可视化领域，特别是在学术论文插图绘制方面，Python的强大功能还未被释放出来。此外，现阶段市场上关于使用Python绘制常见学术论文插图的图书相对较少，导致读者缺少可参考的资料。基于以上原因，笔者创作了本书，本书系统地介绍了用Python快速绘制美观的学术论文插图的方法和技巧。

读者对象

本书适合想通过Python进行数据分析、学术论文插图绘制的不同专业的在校学生，以及对数据分析与可视化感兴趣的科研人员和职场人士阅读。

阅读指南

全书内容分8章，主要内容如下。

第1章　介绍学术论文插图绘制的基本原则和配色基础。

第2章　介绍绘制学术论文插图的主要工具，并重点介绍Matplotlib、Seaborn、ProPlot以及SciencePlots工具包的语法及其重要特征。

第3章　介绍单变量图及其绘制方法，包括直方图、密度图、Q-Q图等。

第4章　介绍学术论文中常见的双变量图及其绘制方法。

第5章　介绍学术论文中常见的多变量图及其绘制方法。

第6章　介绍学术论文中的空间数据型图及其绘制方法。

第7章　介绍学术论文中的可视化图及其绘制方法。

第8章　以一篇完整学术论文中的插图的绘制为例，详细讲解选择插图和绘制插图的方法。

适用范围

本书所讲的图的绘制方法都是基于Python的Matplotlib、Seaborn、ProPlot、SciencePlots等工具包实现的，囊括了目前学术论文中的各种常见插图类型。同时，本书详细介绍了各种空间地图的绘制方法，读者可将绘制方法应用到自己实际的项目中。

使用版本

本书使用的Python版本为3.8.13，绘制工具包的版本为Matplotlib(3.4.3)、Seaborn(0.11.2)、ProPlot(0.9.5)、Geopandas(0.11.0)；数据读取及处理分析工具包的版本为Numpy(1.23.0)、Pandas(1.4.3)和SciPy(1.8.1)。

作为免费开源的工具，Python自身及工具包的更新迭代很快，因此，读者根据实际使用情况或书中给出的指示更新自己的代码脚本。

绘图源代码

本书提供所有图的Python源文件(.py文件)和Excel（.xlsx文件）、CSV/TXT格式绘图示例的数据文件。注意：读者在运行代码脚本时，若遇到提示某一个数据分析与可视化工具包不存在的信息时，请根据提示安装相关的工具包。

配套资源获取方式

更多关于数据可视化的内容，读者既可关注作者的博客、专栏和微博，也可关注微信公众号（DataCharm），哔哩哔哩账号（DataCharm），抖音账号（DataCharm），小红书平台账号（DataCharm），还可以添加作者微信获取相关知识，作者的数据可视化文章会优先发布于这些平台。读者可通过关注微信公众号（DataCharm），在微信公众号中回复关键字“Python科研论文配图配套资料”，获取本书的配套源代码及其他学习资料。

致谢

从2021年8月开始，我就着手写一本关于学术论文插图绘制的图书。究其原因，一是因为自己微信公众号积攒了足够多的原创内容，一直想对其进行整理；二是读者和朋友也鼓励我写一本这样的书。通过写书，笔者不仅能对自己总结的知识点进行系统整理，也能通过本书帮助到有需要的读者。

写书是一个艰苦的过程，再加上自己有点“完美”主义情结，笔者总希望把自己知道的内容全部完美呈现出来。所以，笔者写作过程也出现过因对已经写好的章节进行多次修改，导致图书的实际完稿时间和计划时间相差很多的情况。好在，总算有一个满意的成品出炉。此外，该书作为我的第一本书，无论在知识上，还是在感悟上都让我收获颇丰。

在这里，首先，感谢所有读者对我的理解和支持；其次，感谢我读硕士期间结识的好友，愿意在我编写瓶颈阶段时听我的唠叨并支持及鼓励我；最后，还要感谢自己的坚持和认真。

笔者希望本书能够成为读者在科研道路上的好伙伴！真心希望这本书能在实际工作中帮到您！

注：本书介绍的空间数据型图形的绘制内容，涉及的地图都是虚拟的，与真实地图无关，特此说明。

宁海涛

第1章　科研论文配图的绘制与配色基础

本章介绍科研论文配图的基础知识。

1.1　科研论文配图的绘制基础

首先，我们有必要了解什么是数据可视化（Data Visualization）：数据可视化是指借助于图形化手段来展现数据，以便对数据进行更直观和更深入的观察与分析。它是一种关于数据视觉表现形式的技术研究。“一图胜千言”更强调了可视化在信息表达中的重要性。

科研论文配图（插图）是实验数据和分析结论的可视化表达。科研论文绘图是一种将科学与艺术相结合的工作，既能用图片的艺术感来吸引读者，又能展现实验数据和分析结论的科学性，帮助读者理解科研工作者所研究的内容。

科研论文配图作为数据可视化在科研领域的重要应用场景，是研究结果直观、有效的呈现方式。它不仅是读者关注的对象，还是编辑和审稿人重点关注的对象，在学术论文、研究报告、专利申请、科研基金申请等方面起着举足轻重的作用。如何绘制有意义的科研论文配图，更好地呈现科研成果，是众多科研工作者需要思考的问题。本节将介绍科研论文配图的绘制规范和3条绘制原则，其中涉及科研论文配图绘制过程中容易被忽略的一些细节，帮助读者更好地理解科研论文配图绘制的重要性。

1.1.1　绘制规范

相比其他可视化呈现形式，对于科研论文配图，我们首先要确保的是它的规范性。科研论文配图的规范性是指绘制的配图要符合投稿期刊要求的配图格式。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。论文只有符合投稿期刊的配图要求，才能进行下一步的查阅和审核。

1．科研论文配图的分类与构成

根据呈现方式，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，也是本书重点介绍的配图类型。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。本书主要介绍的就是这种科研论文配图的绘制方法。由于使用场景、专业性等方面的限制较大，因此其他诸如灰度图、照片彩图和综合配图等则不在本书的介绍范畴。

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，如图1-1-1所示。对于科研论文配图的绘制，每个构成部分都有详细的要求，如坐标轴，作为科研论文配图的尺度标注，是其重要的组成部分。在对坐标轴进行设置时，我们要做到布局合理且数据表达不冗余。此外，对于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、是否添加网格线等，我们都需要进行合理、有据的设置。除数据统计图以外，科研论文配图还包括照片、流程图等类型。

图1-1-1　科研论文配图基本构成示例

2．科研论文配图的格式和尺寸

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，我们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。

对于科研论文中每幅插图的尺寸，期刊往往不会有严格的要求，但为了插图的可阅读性和论文排版的整洁性，我们需要考虑图片尺寸与图框、图中文本大小和上下文的协调性，进行合理设置，避免文章版面空间的浪费，保持排版整体的美观性。在对插图进行单、双栏排版时，不同尺寸的插图有它们各自的放置规则。一般情况下，单栏排版的插图的宽度不宜过大。在对某个含有多个子图的插图进行单栏排版时，我们应考虑将这些子图进行竖向排列。在对插图进行双栏排版（这样的插图一般含有多个子图）时，我们应先考虑每行可排列的子图数量，再考虑子图之间的对齐问题，如图例、图编号、X轴坐标等都应对齐。

3．科研论文配图中的字体和字号设置

有些科技期刊明确规定了科研论文配图中文字的字体和字号，有些则无特定要求。一些中文科技期刊将科研论文配图中的文本对象（横、纵坐标的标签，以及图例文本）的字体设置为宋体或黑体，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。

4．科研论文配图的版式设计、结构布局和颜色搭配

想要使科研论文配图美观，我们需要在版式设计、结构布局和颜色搭配方面多下功夫。在版式设计方面，配图中文字的字体要保持一致，字号不大于正文字体的字号，行距、文字间距应与正文协调一致；在结构布局方面，配图应出现在引用文字的下方或右侧，即“先文后图”，不同尺寸的配图不要安排在同一列或同一行；在颜色搭配方面，我们应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）。此外，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

科研论文配图在科研结果展示方面的作用明显，本节将介绍其绘制过程中的3条原则。

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，而在这些应用场景中，是否真的需要使用配图？ 对于这个问题，我们要具体问题具体分析，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。

另外，科研论文中要避免出现文字较少、图表较多的情况，即无须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，而应在有复杂和多维数据的情况下，提高精选插图的能力，而非简单地堆砌插图。过多的插图不仅会消耗大量的绘制时间，还会给科技期刊编辑的审核工作带来难度。

2．易读性原则

为了方便读者准确理解科研论文配图的内容，我们在绘制它时应遵守易读性原则。完整、准确的标题、标签和图例等可以有效地增强科研论文配图的易读性。

3．一致性原则

在科研论文配图的绘制过程中，我们需要遵守一致性原则。

● 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，所以配图数据应与上下文保持一致。

● 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

配色是科研论文配图绘制过程中的重要维度。优秀的配色方案不但可以提高论文的美观度，而且可以高效表达配图内容。本节将介绍科研论文配图的配色基础内容，包括色彩模式、色轮配色原理、颜色主题和配色工具4个方面。

1.2.1　色彩模式

色彩模式是众多可视化设计者在设计作品时常用的色彩工具。其实，在科研论文配图的绘制过程中，我们也可以选择使用色彩模式。常见的色彩模式包括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)。图1-2-1所示为利用三维坐标形式展示了RGB色彩模式，其中，图1-2-1（a）所示为RGB色彩模式的三维立方体示意图，图1-2-1（b）所示为使用Python的Matplotlib库绘制的对应立方体颜色映射效果图。我们可以看出，红色、绿色、蓝色分别位于立方体在坐标轴上的3个顶点，黑色在原点处，白色位于离原点最远的顶点，黄色（Yellow）、品红色（Magenta）和青色（Cyan）分别位于立方体的其余3个顶点。不同的颜色距离黑色顶点越近，颜色越深，距离白色顶点越近，颜色越浅。

图1-2-1　RGB色彩模式示意图

2．CMYK色彩模式

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。图1-2-2所示为CMYK色彩模式示意图，其中，图1-2-2（a）所示为三维立方体示意图，图1-2-2（b）所示为使用Python的Matplotlib库绘制的对应立方体颜色映射效果图。我们可以看出，与 RGB色彩模式正好相反，在 CMYK色彩模式中，黄色、品红色和青色分别位于立方体在坐标轴上的3个顶点，白色在原点处，黑色位于离原点最远的顶点上，红色、绿色和蓝色则位于其余3个顶点。

图1-2-2　CMYK色彩模式示意图

3．HEX色彩模式

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”。图1-2-3所示为HEX色彩模式示意图，其中，图1-2-3（a）所示为HEX色彩模式的十六进制数表示，图1-2-3（b）所示为HEX色彩模式中的颜色示例。

图1-2-3　HEX色彩模式示意图

提示：对于HEX色彩模式，很多读者可能对其转码（如将RGB色彩模式转换为HEX色彩模式）过程比较陌生，可通过ColorPix、FastStone等屏幕取色工具直接获取颜色码，或者通过Encycolorpedia等网站直接搜索不同颜色对应的HEX颜色码。

1.2.2　色轮配色原理

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。图1-2-4所示为具有12色的4种配色方案示意图。

图1-2-4　12色的4种配色方案示意图

1．单色配色方案

单色配色方案是指将色相相同或相近的一组颜色进行组合。单色配色方案的饱和度和明暗层次明显。单色配色方案比较容易上手，因为用户只需要考虑同一色相下饱和度和明暗度的变化。此外，单色配色方案还具备相同色系的协调性，在使用过程中，不会出现颜色过于鲜艳的情况，保证了所选颜色之间的平衡性。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。需要注意的是，对于单色配色方案中颜色的选择，其种类不宜过多，3～5种较为合适。图1-2-5所示为利用单色配色方案绘制的可视化配图示例。

图1-2-5　利用单色配色方案绘制的可视化配图示例

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。图1-2-6所示为利用互补色配色方案绘制的可视化配图示例。

图1-2-6　利用互补色配色方案绘制的可视化配图示例

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。在使用等距三角配色方案时，我们可以将其中一种颜色选为主色，将另外两种颜色作为辅色。图1-2-7为利用等距三角配色方案绘制的可视化配图示例。

图1-2-7　利用等距三角配色方案绘制的可视化配图示例

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。图1-2-8所示为利用四角配色方案绘制的可视化配图示例。

图1-2-8　利用四角配色方案绘制的可视化配图示例

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。图1-2-9展示的是Python中3种绘图工具的默认颜色主题的可视化效果。图1-2-10展示的是3种期刊的默认颜色主题的可视化效果。

图1-2-9　Python中3种绘图工具的默认颜色主题的可视化效果

图1-2-10　3种期刊的默认颜色主题的可视化效果

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。图1-2-11所示为Matplotlib库中部分单色系颜色主题示意图。

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。图1-2-12所示为Matplotlib库中双色渐变色系颜色主题示意图。

图1-2-11　Matplotlib 库中部分单色系颜色主题(Sequential colormaps)

图1-2-12　Matplotlib库中双色渐变色系颜色主题(Diverging colormaps)

3．多色系

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。图1-2-13所示为Matplotlib库中部分多色系颜色主题示意图。

图1-2-13　Matplotlib库中部分多色系颜色主题(Qualitative colormaps)

图1-2-14所示为使用Seaborn库中Tips数据集绘制的单色系、双色渐变色系和多色系可视化配图示例，具体为单色系中的ylgnbu色系、双色渐变色系中的seismic色系和多色系中的set1色系。

图1-2-14　使用Seaborn库中Tips数据集绘制的单色系、双色渐变色系和多色系可视化配图示例

1.2.4　配色工具

想要高效地给科研论文配图选择合适的配色，除了使用绘图工具自带的颜色主题以外，我们还可以使用一些优秀的配色工具。通过配色工具，我们可以进行灵活的配色。常用的配色工具有Color Scheme Designer网站中的高级在线配色器、Adobe旗下的在线配色工具Adobe Color和颜色主题搭配网站ColorBrewer 2.0。

1．Color Scheme Designer网站中的高级在线配色器

Color Scheme Designer网站中的高级在线配色器是一个免费的在线配色工具，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，如图1-2-15所示。

图1-2-15　Color Scheme Designer网站中的高级在线配色器界面

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。

图1-2-16　配色方案调节选项

2．Adobe Color

Adobe Color是Adobe官方推出的免费在线配色方案工具。它提供了配色模式、图片取色、图片渐变色提取等多个功能，用户无须注册或下载即可使用。这里主要介绍Adobe Color的色轮配色工具，它提供了9种智能调色模式和1种自定义模式，支持RGB、HSB、LAB色彩模式。Adobe Color的色轮配色工具界面如图1-2-17所示。

Adobe 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。

图1-2-17　Adobe Color 的色轮配色工具界面

● 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。

在选定对应的色轮配色方案后，我们可根据它提供的HEX颜色码或R、G、B值进行配色的拾取，从而完成插图颜色的选择。其他诸如图片颜色拾取、渐变色生成等功能，读者可自行探索。图片颜色主题拾取功能可以帮助科研工作者获取优质科研论文配图的优秀配色，从而高质量地完成论文插图的绘制。

3．ColorBrewer 2.0

ColorBrewer 2.0 是一个专业的在线配色方案网站，它提供了大量的颜色搭配主题，这些主题是众多绘图工具（如Matplotlib、ggplot2等）内置的绘图颜色主题。ColorBrewer 2.0提供的颜色主题包括单色系、双色渐变色系和多色系。ColorBrewer 2.0的操作界面如图1-2-18所示。

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。

图1-2-18　ColorBrewer 2.0的操作界面

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。

图1-2-19展示了ColorBrewer 2.0中3种颜色主题对应的配色方案的选择和预览效果。

图1-2-19　ColorBrewer 2.0中3种颜色主题对应的配色方案和预览效果

Python的Matplotlib库和R的RColorBrewer包中几乎包含了ColorBrewer 2.0 的全部颜色主题，用户可以在绘制可视化作品时方便地选择颜色。在使用Matplotlib库时，用户可直接通过绘图函数的cmap参数来设置绘图的颜色主题。

1.3　本章小结

本章介绍了科研论文配图绘制的基础知识，具体包括科研论文配图的绘制规范、绘制的基本原则，除此之外，还介绍了科研论文配图绘制中的色彩搭配，包括色彩模式、色轮配色原理、配图的颜色主题以及选择色彩的配色工具，其目的是为了让读者更好地了解科研论文配图的绘制规范，重视颜色选择在配图制作中的作用。

读者服务：

微信扫码关注【异步社区】微信公众号，回复“e60761”获取本书配套资源以及异步社区15天VIP会员卡，近千本电子书免费畅读。