作图基本技能都在这儿了，需要的请收藏！

作为一名战斗在科研一线的科研人员，当实验数据收集好了之后，就要开始着手准备发表成果，写成被你的领域同行认可的专业论文。你所有的研究成果都会用文字、图或表的形式呈现出来，虽然文字和表格的作用不可替代，但是大部分研究者会更倾向于从图中获取最直观的实验结果，有时候一张图的好坏会直接影响到论文能否发表在高影响力的期刊上。对于新入门的研究生们，早一点认识到作图在论文发表中的重要作用是十分必要的，下面小编将结合自己的经验以及众多科研大牛们的心得向大家分享论文中作图的技巧和规范。

1图的种类

数据图、结构示意图、流程图、实验照片、地图等等。其中数据图和实验照片是最常见的类型，也是最能直观反映实验结果中的趋势或变量关系的工具。

2图的位置

在我们写论文初稿时，图一般会放在最邻近对应文字的地方，这样会方便查阅。但现在很多期刊都要求将图表统一放在正文部分后面，以免正文部分被图表分割得太零散而影响阅读。因此我们在放置图片时也需要注意不要使页面内出现太多空白，尽量把页面用图表和文字铺满。

3图的构成

不同类型的图有不同的组成部分，下面主要说一下最常用的线图和柱状图的构成。如下：

关于图片的几点说明：

a.关于图的大小，一般来说，判断图片大小是否合适的基本原则是，当论文用A4纸打印出来后所有细节正好能够让人清楚地获取。当然，在保证信息清楚的前提下，图片要尽可能的小一些。

b.图中的颜色，要直到很多人都会把论文黑白打印出来阅读，所以如果重要信息是用不同颜色标出，就会让读者的理解造成不便，但是现在期刊上彩色图片也会来越受到欢迎，也不能说完全不可以用彩色图片，但有一点需要注意的是绝对不能仅仅因为好看而用彩色图，所有的颜色一定要有充分的含义。

c.只要是表示平均值，请尽量加上误差棒，否则会显得很不严谨。

4图的题目(Legends or Captions)

首先，每张图都应该有一个与出现顺序对应的独立编号，如Figure 1.，Fig. 3。而这个Figure是否可以缩写，需要根据具体期刊的要求而定。其次，图题一般放在图的下方，而表格的题目是在上方的。最后，图题的叙述需要保证简洁明了便于理解，一般需要包括以下内容：图中的研究对象和大致结果是什么；每张分图片、曲线或柱状的含义；图中特殊标记、横纵坐标的含义及单位。需要注意的是，研究对象和大致结果一般只需要简单的交代，在保证图片独立性的同时尽可能简洁，具体细节可以在正文中详细介绍。例如：

5图的合并

当需要把几张相关的图放在一起进行对比时，就需要把多图有序地合并在一起。这些图将共用一个图题，每张分图一般用a,b,c或A,B,C标号，各个图中的内容必须要在图题中指明。正文中引用其中的图片时也应该指明分图的序号，如“（Fig. 1b）”。如下图所示：

6常见图形的作图要点

A. 柱状图(Bar Graph)

柱状图主要用来比较若干组样品的某个单变量（及其平均值）。如下图所示，这一柱状图用来比较在不同温度下经过1或2道次变形处理的镁合金的平均晶粒尺寸，直观的展示出温度对这一变形处理后晶粒大小的影响。

注意：

(1) X,Y轴的含义需要指示清楚，尤其是X轴中每一组的名称；

(2) 若X轴是以数字分组，则需要写出其单位；

(3) 每一组内如果还有分组（如上图中1pass和2pass），需要在图中空白处用对应图标指出；

(4) 有一些柱状图中的误差棒也可以只标出柱外的一半，柱内的一半误差棒可以略去。

B. 频率直方分布图(Frequency Histogram)

这一类图主要用来展示某一研究对象样本的频率分布规律，显示各组之间频数的差别，使获取的数据直观、形象地表示出来。

注意：

(1)Y轴既可以是相对的百分比，也可以是绝对的数量值。

(2)为了更好了解数据的分布情况，X轴中的组距、组数起关键作用。分组过少，数据就非常集中；分组过多，数据就非常分散，这就掩盖了分布的特征。当数据在100以内时，一般分5~12组为宜。

(3)如果分组过多，如下图所示，就不需要在X轴中标出每个bin对应的值，只需将刻度均分后在主要的值下标注即可。

(4)图题中应该交代统计过程中的约束条件或其他统计策略。

C. 散点分布图(X,Y Scatterplot)

这类图用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式，一般还会据此可以选择合适的函数对这些数据点进行拟合。如下图所示：

注意：

(1) 散点图中包含的数据越多，比较的效果就越好。

(2) 如果有某一个点或者某几个点偏离大多数点，也就是离群值，通过散点图可以一目了然，从而进一步分析这些离群值是否可能在建模分析中对总体产生很大影响。

(3) 一般用X轴表示自变量（或者说更有可能的自变量），Y轴表示因变量。如果两个变量之前并不存在前因后果的联系，则XY的选择可以随意分配。

(4)  即便自变量为连续性变量，仍然可以使用散点图，通过散点的疏密程度和变化趋势表示二个连续变量的数量关系。

(5)  如果有三个变量，并且自变量为分类变量，散点图通过对点的形状或者点的颜色来区分，就如同上图中红色和黑色点分别代表TD和RD方向的数据点。

(6)  如果是3个变量均为连续性变量，还可以在许多统计软件中绘制高维散点图，如下图所示:

D. 折/曲线图(X,Y Line Graph)

这类图展示的是变量Y随变量X的函数关系。在折线图中，数据是递增还是递减、增减的速率、增减的规律（周期性、螺旋性等）、峰值等特征都可以清晰地反映出来。所以，折线图常用来分析数据随时间的变化趋势，也可用来分析多组数据随时间变化的相互作用和相互影响。虽然都是有多个数据点构成，但是它和散点图的一个重要区别是，散点图中的数据点之间一般并没有显着的相关性，而曲线图每个数据点与紧邻点之间是相互关联的，如晶粒度-热处理时间关系曲线、应力-应变曲线等。如下图所示：

注意：

(1)不同组的曲线最好用不同的符号或者颜色来区分，并需要在空白处或图题中加以说明。

(2)上图中其实是两大组（RD和TD两个方向）中又分了若干小组（不同温度），不同的方向用实心和空心符号区别，不同的温度就用不同的形状区别，这一点细节值得学习。

(3)如果曲线能够体现出明显的层级结构，也可以在图中用虚线或者标记指出，这样能使结果更加直观清楚。如下图所示：

当然，还有很多其他类型甚至更加酷炫的图，不管怎么作图，原则都是为了让自己的学术成果更加直观准确的呈现给大家。以上就是小编的一点心得，有不足的地方希望大家多多指教，让我们一起提高科研作图技能吧~

(文章来源：材料人)

自公众号开通以来，得到很多老师和同学的支持，经各位建议，近期陆续建立了微信群，汇集了各大高校的老师及硕博士生，如有需要进群，可加小编微信：18519589389，并注明单位及研究方向，小编会拉各位入群。进群后请看群公告，资料下载等事项，都在其中。

#往期热文推荐#