第一张投稿级 Figure 怎么出？nature-figure 科研绘图三步教程
【免费下载链接】nature-skills符合nature论文学术表达和科研绘图的Skill项目地址: https://gitcode.com/gh_mirrors/na/nature-skills
nature-figure是 nature-skills 仓库中面向 Nature 系列期刊的科研绘图技能：它把数据和结论变成 Python / R 绘制的多面板投稿级 Figure，并自动跑完对齐、字号、碰撞三道质检。适合准备投论文、又不想手工反复调图的科研新手。
📐 为什么需要它
手工画投稿图时，真正耗时的往往不是"画出来"，而是画完之后：
- 多面板对不齐：一行三个 panel，宽高差了一点点，肉眼难辨但审稿人看得出来；
- 字号不达标：在屏幕上看着清楚，缩到双栏版面后实际印刷只有 4 pt，整张图被打回；
- 文字压线、标签被裁：注释碰曲线、图例出边界，导出前没人发现。
nature-figure的定位就是把这三类返工前置成自动化门禁：图按"一张 Figure 只回答一个 Results 级问题"的证据链组织，导出前强制通过几何检查。规则入口在 SKILL.md，完整产出说明见 README.md。
🚀 快速上手：nature-figure 安装命令
需要先安装 Node.js 18 或更高版本，以 Codex 为例：
git clone https://gitcode.com/gh_mirrors/na/nature-skills npx skills add Yuan1z0825/nature-skills --agent codex --skill nature-figure --yes --copy装好之后，直接把数据和需求丢给 Agent 即可，典型提示词：
"把这组数据做成 Nature 风格多面板图，优先 Python。"
碰撞审计依赖 PyMuPDF，按需补一个依赖：
python -m pip install -r skills/nature-figure/requirements.txt📊 从数据到 Figure：契约、后端、导出
第 1 步 签订图件契约
动代码之前，先回答五个问题（规则定义在 static/core/contract.md）：
- 核心结论：这张图要证明什么，一句话；
- 证据链：每个 panel 承担什么推理角色——主证据、对照还是正交验证；
- 图件原型：定量网格、机制主导复合、图像+定量，还是非对称混合；
- 后端：Python 或 R；
- 投稿约束：单栏约 89 mm 还是双栏约 183 mm、字号底线、source data 要求。
输入是你的原始数据、图注或论文结论；产出一份可执行的绘图规划，避免"把同一结果换个指标重画一遍"。
第 2 步 选定绘图后端
首次使用时技能只问一个问题：Python 还是 R？答案由 scripts/nature_figure_backend.py 记为默认偏好，之后全程只用这一个后端画图，不会用另一种语言"偷画"预览图。
选 Python 时加载 static/fragments/backend/python.md 的快速模板：统一rcParams（Arial 字体、7 pt 基准字号、svg.fonttype: "none"保持 SVG 文本可编辑、pdf.fonttype: 42保留 PDF 真字体）。
选 R 时加载 static/fragments/backend/r.md，默认栈是ggplot2 + patchwork + ComplexHeatmap，适合热图、生存分析和组学可视化。
第 3 步 导出三格式并过质检门
无论哪个后端，最终都输出 SVG / PDF / TIFF 三件套：SVG 和 PDF 保留可编辑文本，TIFF 以 600 dpi 满足期刊栅格要求。导出前，Python 图调用require_matplotlib_panel_alignment()、R 图 sourcepanel_alignment.R跑对齐检查，不通过就阻断导出。
🗂️ 选图对照表：你手里有什么数据
内置"图表类型图集"（assets/chart-atlas/，详见 references/chart-types.md），按数据形态反推图型：
| 你手里的数据 | 建议图型 | 图集参考 |
|---|---|---|
| 各组均值 + 显著性检验 | 柱状图 | atlas-01 |
| 时间序列、训练曲线 | 折线趋势 | atlas-02 |
| 表达矩阵、聚类结果 | 热图 + 注释矩阵 | atlas-03 |
| 双变量数值 + 分组标签 | 散点 / 气泡 | atlas-04 |
| 多方法 × 多基准得分 | 雷达 / 极坐标 | atlas-05 |
| 单组样本分布、配对差异 | 小提琴 / KDE | atlas-06 |
| 效应量 + 置信区间 | 森林图 / 区间图 | atlas-07 |
| 占比随时间/类别变化 | 面积堆叠 | atlas-08 |
| 显微/成像原图 + 定量 | 图像 plate 组合 | atlas-09 |
| 网络结构、关系矩阵 | 网络 / 矩阵 | atlas-10 |
配色与布局依据可进一步查 references/design-theory.md。
✅ 投稿避坑清单：三个高频问题，门禁自动拦截
质检规则集中在 references/qa-contract.md。
问：同一行 panel 宽度不一致、上下错位，怎么发现？答：scripts/audit_panel_alignment.py 在最终物理尺寸下测量真实 axes 矩形。横排 3/4 个等宽 panel 自动校验等宽、等高、等间距，偏差超过 1.5 pt 直接阻断导出，并留存 alignment JSON 作为证据。
问：版面缩印后字号太小，怎么提前知道？答：scripts/audit_pdf_text.py 扫描导出 PDF 的字体操作符（Tf），任何小于 5 pt 的实际字形——包括 mathtext 上下标——都会立即报警。
问：文字压线、标签贴边、注释被页面裁掉怎么办？答：scripts/audit_figure_collisions.py 对最终 PDF 做几何碰撞审计，覆盖文字—文字、文字—线条、页面裁切等类型，输出 JSON 报告，可选生成带红框标记的诊断 PDF 帮你定位。
🧭 边界与资源：AI 示意图纪律和关键文件
如果你明确想用 AI 生成 graphical abstract 或机制概念图（流程见 references/ai-graphical-abstract-workflow.md），技能强制三条纪律，并与关键文件入口合并在此表：
| 类别 | 条目 | 说明 / 路径 |
|---|---|---|
| AI 纪律 | 输出定位 | 只算草稿示意图，不得充当定量数据面板 |
| AI 纪律 | 投稿前核验 | 核对目标期刊最新 AI 政策、版权与披露要求 |
| AI 纪律 | 不虚构 | 不编造实验数值、机构标识或无依据机制 |
| 关键文件 | 路由与质检总纲 | skills/nature-figure/SKILL.md |
| 关键文件 | Python 配色与 helper | references/api.md |
| 关键文件 | 多面板证据架构 | references/multipanel-evidence-architecture.md |
| 关键文件 | 已验证 CSV 模板 | references/template-catalog.md |
| 关键文件 | 期刊图件要求 | references/nature-article-requirements.md |
| 关键文件 | 第三方示例版权边界 | references/demos.md |
图画完之后，把统计表述交给nature-statistics审一遍 n 定义和 p 值写法，用nature-writing把结论写回手稿，再用nature-paper2ppt转成组会汇报——整条投稿链路在 nature-skills 里闭环。
【免费下载链接】nature-skills符合nature论文学术表达和科研绘图的Skill项目地址: https://gitcode.com/gh_mirrors/na/nature-skills
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
