吸引眼球的论文图表制作

时间：2023-09-18 04:58:01

相关推荐

吸引眼球的论文图表制作

SCI论文的显著特点就是在结果部分需要有机串联起文字和图表。由于几乎所有SCI论文都包含图或表，由此可见它们在论文中具有非常重要的作用。这也就意味着如果想要发表SCI论文或者提升SCI论文的质量，我们就需要做出符合学术期刊要求的专业图表。

通过调查问卷的形式，小编发现，部分中国研究人员存在一个很大的误区，即画出的图往往没有重点，不能结合论文中的文字传递关键信息，大部分只是起到展示作用。这其中一个重要原因是过度依赖作图软件而没有把精力放在挖掘作图的本质上。其实在大部分情况下，用Excel和PPT（或Mac电脑的eynote）就可以做出高质量的图表。另外，作图还需要十分注意细节，比如图中各条数据线区别太小就会让读者看得费劲。只有细节上做到严谨，图表才能起到正面的作用，否则会成为论文的失败点，也会受到审稿人的批评。虽然审稿人，一般很少因为图表问题拒绝一篇论文，但是如果能做出专业的图表，就一定能让审稿人增加对论文质量的认可。

本期的目的在于让读者了解SCI期刊论文图表以及摸透其背后的本质因素，并通过展示常见的图表案例让读者学会模仿从而做出专业图表。笔者希望通过提炼图表背后的本质因素，让读者举一反三，能在自己的研究领域内做出高质量图表，让审稿人赏心悦目。图和表的主要区别是图用于表示数据之间的关系，而表用来展示数据的大小。如果数据量不多，则可以省去表格，直接用文字表达。本期先重点分析图，再讲述表的制作。由于表的制作较为简单，因此本期把重点放在图的制作上。

1.图的要求和功能

1.1 图的要求

经验丰富的审稿人，往往会在看完题目和摘要后，先快速阅读图的部分，再看其他部分。这是因为图较为直观、简洁地表达重要结果，让繁忙的审稿人能快速理解作者想要表达的研究结果。总的来说，优秀的图形需要做到以下几点。

（1）具有物理意义（或灵魂）。

图不是简单地呈现数据，而是通过数据来反映背后的现象、物理规律等。因此，只有充分理解数据，明确作图的目的，才能建立起图形的“灵魂”，从而让图中的数据说话。例如，如果是描述非连续变化的变量，则宜用散点图或柱状图，而不是适用于连续变量的折线图。又比如，在图形的关键数据位置，加以辅助线说明（如图1中Y轴为1.0的横线）会带来不同的物理意义。

图1 Gas permeability decreased significantly with

increase in t/MSA ratio，but stabilised beyond t/MSA of 10（Wu et al.,2015）

（2）优秀的作图细节。

在把握图的灵魂后，还需要在作图形式上做到优秀，就像给灵魂加上肉体，从而展现出优秀的专业图。优秀的图需要准确搭载有效信息，作图要素详细明确，重点突出。过度注重形式的美术效果会分散读者的注意力，误导读者的阅读重点。要力争用最简洁的图形元素传递最丰富的数据内容。具体的作图细节可参考本期接下去的讲解。

1.2 图的功能

一般来说，如果图能吸引审稿人，则会促进论文的发表。而要让图体现出吸引力，则需要充分体现图的功能。图在论文中的主要功能有以下3个。

（1）清晰展现数据。

图的基础功能是呈现清晰可见的数据，为表达结果和展开对数据的讨论建立基础。这就要求展现出清晰的数据点，能让读者快速识别其中的关键数据点或变化趋势，特别是当一幅图中包含较多的数据点时。如图1所示，图中共有两个类型的样本（Cast vs.Cut），且每一个类型有6组样本（2种厚度，3种试验条件）。作者用图1a、图1b分别展示两个类型的样本，这不仅可以避免在同一幅图中展示过于密集的数据，更重要的是让审稿人明白两个类型之间的数据要进行对比。在每个子图中，由于有6组数据，为了区分它们，笔者用2种颜色（填充白和灰色）代表2种样本厚度；用3种符号表示3种试验条件。

除了图1所展示的数据图，常见的还有流程图、照片和示意图，由于它们主要起到展示或说明作用，因此更需要清晰地展现数据，否则就起不到核心作用。

（2）反映变化趋势，揭示数据背后的规律、因果关系与新发现等。

相比于文字和表格，图可以明显地突出数据变化趋势以反映背后的规律、因果关系等。

比如在图1中，作者首先将所有数据进行了标准化（所有数据除以所在数据组的平均值），从而将数据按比例缩放，去除了数据的单位限制，降低了数据之间的较大差异。同时，由于被平均数所除，所有数据变化趋势线都会穿过“1”线，这样有利于比较不同组数据之间的变化趋势。从中清楚地看出，氧气渗透性随着t/MSA值的增大而明显下降，直到t/MSA值大于10，也就意味着氧气渗透性对样本厚度t和石头大小（MSA）的相对值非常敏感。这个结论成为这篇论文的主要结论之一。

（3）利于读者快速、准确提取关键信息。

图的另一大显著特点就是鲜明有力地凸显关键信息。如图2中，①作者在图形顶部处标明“Exposed surface”，表明该图片拍摄于样本的表面而不是其他位置；②被染色显亮后的微观裂缝，几乎垂直于表面的裂缝从表面一路延伸下来，在遇到石头时，走向发生变化，但紧紧沿着其表面发展；③裂缝在不同位置时，被称为不同类型的裂缝，分别是Matrix crack和Bond crack; ④为了清楚反映裂缝的宽度，作者在图片右下角放上了尺度条。

图2 干燥收缩后的混凝土样本（断面）的典型的微观裂缝走向（Wu et al.,2015）

除了可以实现以上3个主要功能，优秀的图形展示还可以提高研究工作的专业性（比如通过专业的实验流程）、丰富性（比如考虑多种情况或多变量）和真实性（比如呈现详细的结果数据）。其目的是让审稿人更加信服研究结果，提高稿件的吸引力、录用率和被引用率。

总之，优秀的图可以从文字中脱离出来，并可以单独和清晰地表达最重要的结果，展现数据背后的物理意义，并把握好作图的细节。这就是小编认为的作图原则。然而，满足这个原则的图，却往往只能在高水平论文中找到。在实际的审稿过程中，在看了图之后基本会做如下判断：

（1）立刻明白想要表达的意思，可判为优秀。

（2）需要文字信息辅助理解，可判为中等。

（3）理解困难，需要猜测，可判为差。

由于审稿人是相同大领域的大同行或相同小领域的小同行，因此理解专业图是件相对容易的事情。如果图让审稿人理解困难，甚至需要猜测其背后想要表达的意思，则一定不会让审稿人产生好感。

2. 常见图的类型

根据研究内容的不同，在论文中需要设置不同类型的图，一般被统称为Figure。这些图形主要包括数据图（Graph，图3a）、流程图（Flowchart，图3b）、照片

（Photograph/Image，图3c）、示意图（Illustration，图3d）及其他[如AutoCAD专业制图（Drawing）、地理地图（Map）等]。

2.1 数据图

数据图用于展示单一变量的数量变化或多个变量之间的关系，是SCI论文中使用频率最高的图形形式。比如可用柱状图表示单一变量的数值变化，（例如某地区3—10月份的平均气温变化；可用XY散点图、折线图或拟合图表示变量x和y之间的变化关系，例如用XY散点图表示某地区气温变化和冰淇淋销量的关系。

2.2 流程图

流程图用于展示事件的逻辑步骤或时间关系，说明算法过程、工作过程、试验操作过程等，常用箭头连接不同形状的图形符号来表示整个过程。

2.3 照片

照片主要包括试验或现场照片，或软件模拟图像，常用于直观表征对象的特征或记录研究对象的动态发展变化。例如，在材料的微观结构分析中，常用电镜扫描仪拍摄材料的微米级结构特征。

2.4 示意图

用简化的图形辅助说明或解释相对复杂的理论、原理、试验装置等，常用于辅助描述SCI论文的方法。比如，用简化示意图解释光合作用的过程。

2.5 其他

主要包括用于展示研究地区的方位、地形等的地图或地貌图。如图3e、图3f所示，用于展示研究对象（例如土木或机械设备）复杂精细结构的图。

图3 SCI论文中常见图的类型（土木工程学科）

下面重点对数据图的制作进行讲解，简要描述流程图、照片和示意图。

3. 如何做好数据图？

3.1 图的关键要素

为了准确而独立地传达数据重点信息及背后规律，图的制作必须包含基本的要素和细节，且有重点地突出它们。下面以最典型的线图为代表来介绍一下图的基本构成要素，如图4所示。

图4 线图的基本构成要素

SCI论文中的图题（Figure Caption）位于图的正下方，紧随图的编号（Figure +Number）之后。图的编号为阿拉伯数字，按照在文中出现的顺序依次递增。复合图中往往多个子图共用一个标题，但每个分图需用字母标明（如a, b, c等）。图题不仅包含横纵轴和数据的主要信息，还需要对图的各要素进行解释，特殊情况下应注明实验环境或者采样地点等。对图展示的结果不建议出现在图的标题中，应移至文字叙述部分。如图1图题中将图中反映的数据结果进行了叙述，更好的图题可以是“The effect of t/MSA ratio on gas permeability”。

含有横纵轴的图中应有相应轴标（Axis Label），横纵轴代表量的名称（X/Y Axis Label）以及单位。图例（Legend）是对图标的简洁说明，增强图的完整性和独立性。图例的布局要充分应用图中的空白区域，将图例清晰地罗列出来。

数据（Data）是整个图的核心部分。图中用图标（Symbol），如不同线条、图像和颜色来表达数据，以区分不同变化量。如果是多个样本数据的平均值数据，还需要加上误差线（Error Bar），以表示不同样本数据点靠近平均值的程度。即误差线越短，各个数据点越靠近平均值，平均值就越有代表意义；反之，各个数据点就越远离平均值。

横纵轴上需包含数轴刻度（Major Tick和Minor Tick）并标注数值。一般来说，横轴自左向右，纵轴自下而上，由原点（Origin）开始数值逐渐增大。

3.2 常见的数据图类别

在数据图、流程图、照片和示意图中，后三者的形式都比较直接和容易入手。而数据图有多种形式，这里我们着重针对数据图的作图过程做解释和指导。常用的数据图主要包括：XY散点图、XY线图、柱状图、条形图和饼图。在掌握了它们的主要特征之后，即可根据数据特征选定合适的图形类型。

（1）XY散点图（XY Scatter）用于表示两个变量之间的相关性和趋势，如图5所示。可以根据图中点的分布情况来推测两者是否有关联性。如果统计学分析证明了两者的关联，根据需要可在图中绘制出回归线（Regression Line），并计算出回归方程。需要注意的是，回归方程需要结合物理意义进行选择，以得出合理的回归方程。即便图反映出了两者的关系（如图5，两者近似呈线性关系，符合背后的物理意义：孔隙材料的扩散系数和该孔隙率成正比关系），但是它们的关系又不是论文的重点，或者可能还存在其他影响因子时（除了孔隙率，还有其他因素会影响扩散系数的大小），这时在文中简单说明图中能反映出来的关系即可，并不需要一定拟合出明确的回归方程。这样的制图分析更加严谨，也不带来新的麻烦（比如审稿人提不同意见）。

图5 XY散点图例子（引自Wu et al.,2017）

（2）XY线图（XY Line Graph）适用于表达连续性的数据中一个变量随另一个变量变动的情况，如图6所示。线图可包含多组数据，按照顺序将绘制出的同组数据的点连接起来，并用多种图例来区分不同组别的数据。虽然试验或数值分析得到的有限个数据是离散的，但是该变量是连续变量（如图6湿度的变化），我们可以将离散点用线连接起来，以此表示连续变量的变化趋势。如果是非连续变量，则不适合用线图，而该选用柱状图。关于散点之间的连线形式，需要考虑以下几点。

图6 XY线图例子（引自Wu et al.,2017）

（1）散点要相对密集，否则不能准确反映变化规律。比如图6中，如果只测量了相对湿度为0、50%、100%时的渗透系数，则丧失了介于这三者数据中间的很多重要信息。这时，就不适合将散点连接起来。总之，在设计试验方案或数据采集方案时，要尽可能采集充分多的数据，这对高质量作图大有裨益。

（2）是否选用直线和光滑曲线，要看数据密集度和物理意义。如果数据非常密集，选用直线连接即可，这是因为即便是曲线关系，由于是密集的两点之间直接连接，也会让整体呈现出曲线效果；如果数据密集程度一般，为了正确反映变化规律，则需要考虑两点背后两个变量之间的物理意义。如果横纵轴的两个变量存在非常明确的物理关系，比如在恒定加速度情况下，位移和时间的关系是抛物线（曲线）关系，因此就可以用光滑曲线连接相邻的两个散点，如图7a所示。图7b则是直线连接的对比。可以看出，如果数据点不密集，光滑曲线和直线连接相邻点就有一定的差别。但是如果数据足够密集，则直线连接也可以达到相同效果。在科学论文中，一般创新的研究数据反映出来的结果基本上是未知的，带有一定的摸索性质，因此建议一般用简单的直线连接，因为直接连接相邻点是明确的线性关系，而曲线连线则有无穷种可能性，因此很难给出具体的曲线方程。例如图6所示的渗透系数和相对湿度的关系。由于影响渗透系数的因素有很多，且目前尚没有确定性的物理方程来描述渗透系数和相对湿度的关系，因此选用直线连接仅仅是为了表示渗透系数随着相对湿度的增加而降低，并没有去探究出两者的具体物理关系，带有简化分析的意图。

图7 位移和时间关系（初速度为1m/s，加速度为

0.5m^2/s）

（3）柱状图（Bar Graph）是利用长方形的长短来代替不同组别的数值（通常是非连续变量的数值），表示它们之间的对比关系。横轴通常为组别或类别，图中各长方形之间等距。柱状图包含单式（见图8a）和复式（见图8b、图8c）。单式柱状图展示一个变量在单个类别的不同组别之间的变化；复式柱状图各组别包含无间隔的长方形条柱，便于实现同一系列的各组内和不同系列的不同组别之间的复杂比较过程，形式上既可并排（见图8b）也可以层叠（见图8c）。

图8 常见的柱状图举例

（4）直方图（Histogram）以高度不等的长方形或密集直线来呈现变量数据的分布。通常情况下，它的两个坐标分别是统计样本和该样本对应的某个属性的度量（如频率），如图9所示。由于它的横轴是量化数据，因此与条形图的横轴有显著不同。

图9 直方图举例（引自Yio et al.,2017）

（5）饼图（Pie Chart）常用来表示构成比率，饼图中每一块扇形的面积大小代表该类别在整体事物中所占的百分率，如图10所示。

图10 饼图举例：世界主要能源消耗分布

以上常见的数据图，均在微软Excel中完成。之所以选择Excel，主要考虑以下因素：

（1）使用方便：Office办公软件已包含它，无须下载其他软件。

（2）功能完整：覆盖绝大部分的科学数据分析工具，如求平均值、方差、误差线、显著性分析等。

（3）上手容易：基于本科阶段积累的经验，几乎不需要额外学习教程即可快速摸索学会，可以把主要精力花在分析图的灵魂上。

（4）资源广泛：方便和同事交流，也比较方便在网络上找到指导教程。

在此也建议读者，如果刚入门数据分析和作图，可先选择简单的办公软件，把精力放在分析数据和提高图的质量上。软件只是工具，更重要的是通过工具去呈现一张具有灵魂和优秀细节的高质量图片。接下去，小编将简单描述制作数据图的基本过程，掌握它之后再通过不断练习，即可脱离模板，灵活运用。

3.3 数据图的基本制作过程

（1）数据整理和分析。

可在Excel中人工输入数据或者从其他数据采集仪器的软件中导出数据到Excel，并对数据整理分类，剔除错误数据，调整格式，从而保持清晰的排列方式。在此基础上，根据论文要求，选择合适的数据分析工具进行数据分析，比如求平均值、误差线、p值等。需要注意的是，除非是确定的错误数据，比如采集时人工操作错误引起的错误数据，可以直接删除，否则需要保留那些异常数据，并进行原因分析，因为说不定那就是一个创新点。如果实在找不出合理的原因，可在论文的结果或讨论部分进行解释说明。比如，在论文（Wu et al.,2017）中，作者和同事们无法找出某个样本数据的异常原因，因此在结果中进行了说明：“There is no reason why P 0.5-3d should behave

differently, therefore this departure could be an

experimental error（e.g., sample preparation or

testing error）.”在大量数据中存在一到两个无法解释的异常数据是相当正常的事情，只要它们不是关键数据（如直接影响主要结论的数据），则无须担心太多。

（2）选择图的类型。

根据常见数据类型的特点，结合图的展示目的，从XY散点图、XY折线图、柱状图、直方图、饼图中选择适合的图的类型。如果不确定哪一种类型最适合展示数据，可以进行尝试比较。根据经验，如果长期研究某个课题方向，所需要的图的类型和以往自己已经发表的论文中的图的类型很可能基本一致。根据各自特点，可以将已经做好的图存成模板供下次制图时快速调用，以节约工作时间。多次作图之后，形成对某类或某几类图的深入理解，就完全可以脱离模板，仅靠经验或感觉便能运用自如。

（3）设置图的基本要素。

如果没有图的模板，第一次制图和选定图的类型后的主要任务是：

①添加XY轴的轴标、刻度、数值和变量单位。

②调整轴标、字体类型、大小、线条粗细和空间布局。

③调整轴标后让图中数据点占据大部分空间（2/3左右），只留少量空白区域；调整字体一般为Times New

Roman，大小一般为12号或14号。字号大小可根据实际情况调整，以让图中文字清晰可见为准。线条粗细为1pt或1.25pt。

④用区分度高的图例表达不同组别的数据。

论文中常用和不常用的符号见图11。一般选用区分度较大的图11a的四种形状。为了让颜色在不同打印机下打印出相同效果，一般可选用纯白色或纯黑色填充。这样一共有8种不同的带颜色符号，可代表8种不同的数据，这对于大部分论文已够用。而且一幅图中最好不超过6条数据线，否则会因包含太多信息而不容易区分。对于确实需要更多数据的情况，可考虑使用实虚线或不同颜色的线条来代表更多组数据。需要注意的是，Excel默认的符号大小为5。这个大小一般都不够，建议调整为7，让数据点清晰可见。

图11 论文中常用和不常用的符号

⑤撰写图的编号和图题，并在图题中对各分图信息、图例和实验条件进行必要的说明。图题字体和正文一致，大小一般比正文小1号，如果正文是10号，那么图题字体就是9号。

（4）根据检查表校验图。

可参照目标期刊的作图要求对图进行检查和修改。小编对论文中常见的图的要求进行了归纳总结，读者可按据此对图进行自我检查，以提高作图质量。

①图的可读性。

●字的字体、尺寸、大小写和粗细选择是否恰当？

●否有横纵轴？横纵轴是否标注？单位及其形式是否准确、统一？

●纵轴的坐标区间是否妥当？不要将横纵轴坐标范围扩值太多，否则不利于解读数据变化规律，浪费版面空间。

●中图例的样式和颜色容易区分吗？

●色的运用是提高了数据的理解效率还是增加了无效的图元素？（反例见图19）

●辨率符合目标期刊的要求吗？

●中是否包含大量不常用的或自定义的缩略语？

●中的资料、分图以及文字的排列顺序是否遵从大家从左到右或顺时针的阅读习惯？

●中内容和线条是否过多（超过6条）？要考虑简化信息或者将一张图分割为多张图来表达，各分图用（a）（b）（c）等来表示，线型也要有多样性，如实线、虚线等。

●是否具有独立性？即通过阅读图就能理解图意，并不用反复参照文本说明。

②图的一致性。

●标轴的刻度和数值格式是否统一？间隔要适当，数字大小要清晰易读取。

●题中的说明和单位与图中的数据是否一致？

●图之间的大小、格式、坐标轴范围、图例样式、照片分辨率等是否一致？③图的完整性。

●没有遗漏单位和要素的名称？脚标的书写是否正确？

●中的字母代码、序号和图例在图题中解释说明了吗？

●题是否交代横纵轴的变量和因变量、必要实验条件以及分图的标题？

●的表达是否突出重点内容或者关键细节来帮助读者解读数据？

3.4 图的格式和保存

制图完成后，就可以保存并导出到Word文档中。为了符合期刊要求，需要注意以下3个方面的问题。

（1）尺寸。

SCI期刊对图的物理格式要求分半幅（单栏）和全幅（双栏）。由于投稿时一般为单栏排版而出刊时为双栏排版，所以在单栏排版清晰可见的图片，到了双拦排版时由于图片尺寸被缩小就不一定会清晰了。因此，我们最好一开始就设置好大小，以匹配双栏排版的尺寸要求。建议将图的宽度设置成7.5cm，这样双栏排版时图不会被缩小也就不会丧失清晰度，可保证图中的各个元素依然清晰可见。图的高度则需要根据具体的情况而定，大部分的期刊并没有统一的规定。

（2）分辨率。

在不超过目标期刊最大文件大小的前提下，尽量提交分辨率高的文件，以免造成退稿或者修订等困扰。一般来说期刊对于论文中图片分辨率的要求分为以下3类：

①彩色或灰度图片（Color or Greyscale Photographs），分辨率不低于300dpi/ppi。

②没有中间填充色的黑白图片（Monochrome Images），分辨率不低于1000dpi/ppi。

③含图片和黑白细线的复合图（Combination Artwork），分辨率不低于500 dpi/ppi。

在准备稿件时，可提前查好具体期刊对图片分辨率的要求。查图片分辨率的方法：右键图片Properties（Windows电脑），或在Preview中Command+I查看（Mac电脑），或使用专业图片处理软件比如Photoshop。

（3）导出格式。

学术期刊要求提交稿件时一并提交独立的图片文件，格式为PDF或TIFF（不同期刊的要求略有差异）。在Excel中用数据绘制的单个图可以直接保存为PDF格式。方法是：选择需要保存的图，在Excel中文件点击“另存为”，选取PDF格式即可。

如要在Word文档中粘贴PDF格式的图，可选中Excel中的目标图，回到Word文档中。此时不要直接粘贴，而是采用选择性粘贴（Paste Special），然后选PDF文件或插入前面导出的PDF文件。

若需要将Excel中的多个图做成复合图，可以用同样的方式在Word文档中逐个导入或选择性粘贴PDF图，组合在一页Word文档中后再另存为PDF文件。若期刊要求TIFF格式的图片，可将单个PDF文件在Photoshop中通过“另存为”实现。我们推荐在图表转换成图片的时候就设为规定格式导出，不要保存为JPEG或者JPG格式后再转换成PDF或TIFF格式，因为前两种格式包含信息量较少，转换过程中部分图像信息会丢失，影响图片的质量。

4. 如何做好流程图？

4.1 流程图关键要素

流程图的关键要素是图形符号和文字说明。不同的图形符号代表不同类型的执行动作，辅之文字说明，形成一个信息输入—输出的完整闭环。清晰明了的流程图能够帮助研究者和读者更加形象立体地理解算法流程、试验步骤等（见图3b的4种实验方案），同时能够帮助研究者发现流程中不明显的特征，如缺陷或瓶颈，有利于在研究方案的设计阶段及时修正和改进各个步骤。因此，流程图在强调逻辑过程的科技论文中起着重要作用（重要性仅次于数据图）。常见的流程图图形符号主要包括作业流程开始（或结束）、过程处理、方案决策、逻辑路径、输入/输出等，详细的解释参见表1。

表1 常见的流程图图形符号及解释

4.2 流程图的基本制作过程

做好流程图的基础是理顺逻辑，比如理顺从开始到结束的整个算法发展过程。在此基础上，从表1中选择正确的符号在工具中进行组装即可。小编常用的工具是微软的PPT，在其中可直接插入流程图符号，并且有对齐及保持等距的功能。流程图完成后另存为PDF，再插入到Word文档中，并做适当剪裁即可。由于默认的PPT页面高度较小，而大多数流程图有较多的步骤，可先对PPT页面设置较大的高度值再作图。除了PPT，读者们也可以用其他流程图制作软件，比如Visio。图12展示了一个典型的SCI论文算法类流程图，该图使用PPT制作。

图12 论文（Yepes et al.,2017）中的DLS算法流程图

5. 如何处理照片（Photograph/Image）？

高质量试验或现场拍摄照片需要保持清晰和高对比度，一般的单反相机在静止状态下会自动聚焦，拍摄物体后基本都能满足以上要求。由于照片主要起到展示研究对象或试验仪器的作用，因此，还需要将照片中的重要部件标示出来，否则审稿人会很难快速读懂图中元素。在标示名称或画辅助线时，要注意颜色对比问题。如果背景是黑色等深色，可选用对比强烈的白色，否则就会很难看出准确的对比，如图13中Linear spring的辅助线就和黑色背景混淆在一起了。

图13 论文（James et al.,2016）中试验装置的照片例子

对于电子显微镜等拍摄的精细微观结构图（Image），首先需要保持高分辨率、高清晰度和高对比度；其次，由于肉眼难以快速识别微观图像中的关键要素，我们常常需要将图像中的关键位置用箭头标示出来；最后需要提醒的是，由于图中元素呈现的是高倍放大的显示效果，我们还需要在图像右下角位置放上尺度条或在图题中说明拍摄时的放大倍数。图3c展示了一幅典型的电子显微镜图。

6. 如何做好示意图？

由于示意图起到解释说明的作用，因此要做到简洁明了、清晰、重点突出和有较强的可读性，让审稿人能结合文字快速理解其中的关键意思。否则，会起到反作用，增加理解难度，还不如不放示意图。对于简单的示意图（比如工程领域论文的示意图），可以用PPT制作，如图14a所示；而对于相对复杂的生物医学示意图，则需要用到专业的示意图制作软件，比如Adobe Illustrator（AI）。在国外一些大学，科研人员只要想好作图思路以及要表达的主要意思，会有专业的制图老师帮助作图，从而让科研人员节约时间，专注在科研上。

图14 示意图举例

7. 图中的常见错误

在审阅论文中发现，虽然大部分图的形式和内容比较简单，但是作者们却非常容易犯错或者画得不专业，导致不能准确传达想要表达的中心意思，甚至给审稿人留下不严谨、不专业的印象。总结的科技论文中常见的图的错误列举如下。

（1）内容错误。

①本应该用文字或表格呈现数据却误用引图形，见例1。

②选取了错误的图的类型（例如要呈现独立不连续的数据采用了XY线形图），见例2。

③拟合曲线在图中的起始点与散点数据的范围不相吻合，延伸到了散点数据并不覆盖的区间，见例3。

④百分比条形图中同一组不同类别之和不等于100%。

⑤堆积条形图中的变量太多（超过2个，难以直观提取数据信息）。

⑥对图中数据的分析比较放在图注中而不是文中展开，如例3中的图注。

案例1

数据不该用图表达

只需要用一句话就可以表达图15的含义：“Among the

test group of 56 patients who were hospitalized for an average of 14 days,6 acquired infections.”因此，在这个例子中，文字描述更加简洁和直接，也就比图形更适合。

图15 医院感染病人统计（Gastel and Day,2016）

案例2

图的类型使用错误

该用柱状图却用了XY线图，如图16所示。

非连续数据即包括不同类别的数据，也包括非连续变化的离散点数据。如果离散点之间的数据不存在，或者即便存在但是研究中没有对其开展研究（如加入某非连续试剂含量：2%,6%,10%），一般就不适合用XY线图，而推荐用XY散点图或者柱状图。图16a中数据点之间的浓度没有经过测试，因此无法评估其对自变量的影响。用XY图表示就不适合，改为图16b中的柱状图更适合。

图16 图的类型使用举例

案例3

拟合曲线超范围

如图17所示。

图17 拟合曲线超范围与在数据范围内

之所以建议要将拟合范围限制在已知数据范围内，是因为我们无法100%确定超出已知数据范围的数据就在拟合线上或附近，这是基于严谨的科学研究思维的分析。

（2）格式错误。

①对比图（对照图）或各分图未采用相同的作图格式及模式（比如纵坐标的刻度最大值不一样）。

②分图标注和图例没有充分利用图形空白区域。

③字体太小或太大。

图18是小编为了说明“格式错误”问题而设置的两个分图。它们具有相同的XY变量，但是实验条件不一样。图18a中的样本是3天养护，而图18b则是90天养护。图18a的中Y坐标最大值是70，然而图18b是40，这不利于两图之间的对比，因此需要设置成一样的范围。两个分图的填充形式也不一致，图18a、18b在150°C时情况下分别采用横线和散点填充，容易造成审稿人视觉混淆。图18b的图例位置太靠右，造成其附近空间的多余，其外边框和图18a也不一致。最致命的问题是图18b数据缺了误差线，没有统计意义；图18a的字体太小。

图18 格式错误的例子

（3）无效元素。

①不必要的网格线、彩色和三维图。多选取纯白，纯黑和条纹图例，少用彩色。即便用彩色，颜色的种类要控制在4种以内。

②灰色图例、灰色阴影或灰色背影（它们容易造成不同打印效果）。

③太相似度的例样式（选择容易区分的图样和颜色来代表不同的变量）。

图19 不必要的彩色和三维图

注：该例中图19a采用三组彩色的三维立体图来表达数据，增加了图形数量，且用彩色填充柱也使得图中数字很难辨识。该组数据也可以改为图19b中的黑白复式柱状图来呈现，降低了图形数量，但数据密度依然过大。图19c的表格形式则最清晰简洁地表达了数据和比率，也更节省版面空间。

（4）信息缺失。

①图不独立，缺失部分要素，例如数据图18b缺误差线，没有对图中的要素进行文字注解（实验装置照片和对应的原理图应包含适量元素解释，使读者明白实验设备的机理，见图20）。

②图中出现大量自定义或者不易理解的缩写，文字阅读方向不统一或过于冗长杂乱。

③与大小相关的照片中没有比例尺或放大倍数，如图3c中的微观分析照片就需要比例尺。

④照片像素过低或线条太细，不能被轻易识别。比如屏幕截图的像素过低。

图20 试验照片的合理处理（Wu et al.,2014）

注：保持照片清晰、物品摆放整齐（注意拍摄光线和拍摄角度），标示重要物件，并可画剖面图用于解释实验原理。

8. 专业作图软件介绍

8.1 处理照片或画复杂示意图

（1）ImageJ和Photoshop具备完善的图形元素量测、修改、拼接和裁剪等功能。其中Image J非常容易上手，

Photoshop则有一定的门槛。

（2）Adobe Illustrator适用于部分学科如生物和医学等专业复杂的示意图制作。

8.2 数据处理

（1）Excel软件易于获得和上手，具有广泛的数据分析和作图应用，满足大部分论文的数据分析要求。

（2）Matlab擅长数据的复杂编程计算，且可将数据转化为优秀的三维图形。

（3）Origin（Originlab, Originpro）也擅长数据的复杂计算和科学出图（二维或三维）。

8.3 画流程图

采用PPT或Visio可画出较为完整的流程图，操作都简单易学。

9. 表格制作介绍

9.1 常见误区

表格的最大功能就是可简化重复的数据结构，不至于需要用冗长复杂的句子来表达数据。因此，如果论文中存在较多的重复数据结构，则适合用表格或图表达，否则用文字表达即可。如表2展示的图15中的数据，由于只有一家医院的感染病人数据，没有重复数据结构（每一列都只有一个数据，不是变量数据），因此就没有必要用表格来表达数据，而是直接用文字描述即可：“Among the test

group of 56 patients who were hospitalized for an

average of 14 days,6 acquired infections.”

表2 某医院感染病人统计

如果重复的数据结构中包含多个相同应变量数据，可用文字简单表达时，也没有必要用表格，如表3所示。该表格中，当荷载速率（Loading Rate，是自变量）从0.1增加到0.3时，裂缝（裂缝数量是应变量）都没出现；再增加到0.4和0.5mm/s时，只有1条裂缝；而当荷载速率达到峰值0.6mm/s时，则出现了2条裂缝。以上文字表达会让读者更容易阅读和理解，就没有必要用表格。

表3 Effect of loading rate on the number of cracks

总之，好的表格的每一列或行都包含有效信息，而且排列合理，能让审稿人只通过读表就能明白表格中的所有信息。

9.2 注意细节

在避开以上两个误区之外，还需要注意以下细节：

（1）在微软Word中制作可编辑表格，不可用在Excel中制作完后截图或存为图片再导入Word文档的方法。

（2）变量若有单位，则将单位置于变量名称的右边，如表10.3的Loading Rate（mm/s）。

（3）如数据有标准误差（Standard Error），则需要在数据右边写出，如下面的论文（Wu et al.,2017）中的表4，如图21所示。

图21 笔者论文中的表4

（4）如有显著性分析，需要在数据旁指明P值或写上代表显著性的字母或星号（例如，代表显著性水平在P=0.05; 代表显著性水平在P=0.01; 代表显著性水平在P=0.001）。

（5）数据精度一致，比如都是0.001。

（6）如某个单元格没有数据，则写上“-”。

（7）绝大多数情况不会出现竖线。