/scipilot-figure-skill

name: scipilot-figure-skill
description: >-
 SciPilot Skills 家族成员，负责科研数据可视化——但定位不是"画图工具"，
 而是"可视化顾问"。先做数据剖析（列类型/样本量/分布/异常值/分组结构/相关性），
 再结合用户的论证目标推荐图型，主动拦截科研画图的经典错误（小样本画均值柱掩盖
 分布、双 Y 轴、饼图、Y 轴不当截断、rainbow 色图、把分类点连成折线等），最后
 产出 Nature / Science / IEEE / Elsevier / PNAS / 中文核心期刊级别的成图。
 覆盖纯数据图：折线、柱状、散点、箱线 / 小提琴、热力图、误差棒、分布图（直方
 图 / KDE）、相关性矩阵 / 散点矩阵、多面板组合。技术栈 matplotlib + seaborn +
 SciencePlots（静态）+ plotly（交互）。中英文双语，中文模式自动配置 Noto Sans
 CJK / Source Han Sans / SimHei 并修复负号方框，支持中文期刊"宋体正文 +
 Times New Roman 数字"混排。默认色盲安全配色 + 冗余编码 + 灰度预览。出图后做
 "视觉自检闭环"：渲染 PNG 预览→程序自检缺字/文字裁切/刻度重叠→AI 读图复核遮盖
 与子图对齐→回改重渲，直到通过。
 当用户的任务涉及以下任何情况时主动触发：论文配图、科研画图、数据可视化、
 不知道用什么图、怎么展示数据、用什么图好、期刊投稿图、figure、出版级图表、
 matplotlib、seaborn、plotly、误差棒、显著性标注、色盲安全配色、矢量图导出、
 中文论文图表、多面板。**即使用户只是给一批数据问"这个怎么画"或"用什么图
 好"，也应使用本技能——本技能首要能力是"判断该用什么图"，其次才是绘制。**
 不做示意图、流程图、架构图。

scipilot-figure-skill — 科研数据可视化顾问

> SciPilot Skills 家族成员 | 从数据剖析到出版级成图

概述

科研工作者最大的画图痛点往往不是"不会用 matplotlib"，而是"手上一堆数据，不知道该用什么图把结论讲清楚"。本技能的**首要能力是【思考与判断】**，其次才是【绘制】。

具体地——**永远先思考再画**： 1. 先理解数据再选图——拿到数据先做 EDA，用事实驱动图型选择 2. 先想清楚"这张图要论证什么"——同样数据，不同论点 = 不同图 3. 主动拦截科研画图的经典错误，而不是顺从 4. 维度太多就建议拆图，不硬塞

**只覆盖纯数据图**：折线、柱状、散点、箱线/小提琴、热力图、误差棒、分布图、相关性矩阵、多面板组合。**不做**示意图、流程图、架构图。

何时使用

• 用户给了一个 CSV / Excel / DataFrame 说"帮我画一下"或"用什么图好"
• 用户在写论文要插数据图
• 用户已有草图但说"达不到投稿要求"
• 用户提到 Nature / Science / IEEE 等具体期刊
• 用户问"中文论文 matplotlib 出方框怎么办"
• 用户提到误差棒、显著性、色盲、矢量导出、多面板

核心工作流（8 步）

**这是本技能与普通画图工具的根本区别——不能上来就画**。每一步缺位前一步的成果都不该执行。

第 0 步：理解任务

开画前**先搞清楚两件事**：

1. **这张图要论证什么观点 / 回答什么问题？** 同样数据，论点不同图就不同（详见 `references/chart_selection.md` 的"同一批数据、不同论点 → 不同图"小节） 2. **数据在哪里？长什么样？** 文件路径 / 字段含义 / 多少行 / 是否已经清洗

**如果用户没说清论证目标**，主动问一句："你这张图主要想说服读者相信什么？" 或从论文上下文推断并明确告诉用户你的假设。**不要默认"用户知道自己要什么"**。

第 1 步：剖析数据

调用 `scripts/profile_data.py`：

python scripts/profile_data.py data.csv --group group --group condition

输出包含：每列类型、样本量、缺失率、连续列的描述统计 + 偏度 + 异常值、分组样本量分布、相关性矩阵、初步图型建议。

不会读这份报告？查 `references/data_profiling.md`。

**重点核对**：

• 列类型识别对不对？（数字 ID 被认成 ordinal 是常见误判）
• 每组 n 是多少？小样本警告？
• 是否高度偏态？是否需要对数轴？

第 2 步：选图

**这是顾问职责的核心**。基于第 0、1 步的事实，查 `references/chart_selection.md` 的决策框架决定图型。要点：

• **给出推荐 + 简短理由 + 1-2 个备选**（不要只丢一个选择给用户）
• 如果数据维度过多（如分组组合 > 12）→ **明确建议拆图**，而不是硬塞
• 如果用户指定的图型**不适合数据**（如 n=5 要画均值柱）→ **善意指出问题并说明更好的选择**，让用户决定。详见下方"主动拦截"小节
• 如果数据特征意味着特殊处理（双峰分布、严重异常值、跨量级）→ 在选图建议里明确提及

第 3 步：查期刊规范

确定目标期刊后查 `references/journal_specs.md` 拿到：单/双栏宽（mm 与 inch）、字号、推荐字体、DPI、矢量格式偏好。

不知道目标期刊就问一句。"毕业论文 / 中文核心 / 英文 SCI / NeurIPS" 都对应不同规范。

第 4 步：配环境

from setup_style import setup_style
setup_style(journal='nature', lang='en')             # 英文 Nature
setup_style(journal='general', lang='zh', serif_for_zh=True)   # 中文宋体混排

`SciencePlots` 装了自动用，没装回退到内置预设——不会因为缺它崩溃。

第 5 步：绘制

按 `references/plot_recipes.md` 对应章节的配方画。每节都有可直接复制的 Python 代码 + 常见坑。

画图时强制做到：

• `figsize=(目标宽, 目标高)` 单位英寸——直接定最终尺寸
• 用 `seaborn.color_palette('colorblind')` 或 Okabe-Ito + 冗余编码（不同线型/marker）
• 误差棒 / 阴影要在图注交代是 SD / SEM / 95% CI + n

第 6 步：自检闭环（机器 + AI 读图）

**三层都要过，缺一层都可能带病投稿**：

1. **语义层**：`references/viz_pitfalls.md` 18 条科研画图禁忌——图型/配色/误差是否踩坑 2. **形式层**：`references/publication_checklist.md` 形式合规（尺寸、DPI、字号、误差交代） 3. **视觉层（v2.1 新增）**：出图后**渲染 PNG → 程序自检 → AI 读图复核 → 回改**的闭环：

• `visual_qa.render_preview(fig, 'figs/_preview.png')` 渲一张预览
• `visual_qa.audit_layout(fig)` 程序抓**缺字乱码 / 文字裁切 / 刻度重叠**（确定性问题）
• **用 `Read` 工具读这张 PNG**，对照 `references/visual_review.md` 的 8 项清单核对

**图例压数据 / 子图标签对齐 / 配色灰度可分**（程序难判的感知问题）

• 发现问题 → 按 `visual_review.md` 回改表改 → 重渲 → 再读，直到通过

任何一层不通过就回去改图。**矢量图的导出放在闭环通过之后**，把问题挡在投稿之前。

第 7 步：导出

from export_figure import export_figure
export_figure(
    fig, basename='figs/fig1',
    formats=['pdf', 'svg', 'png'],
    size_inches=(3.5, 2.625),
    dpi=300,
    grayscale_preview=True,    # 自动出灰度版供色盲检查
)

最后跑一遍 `scripts/check_figure.py --strict` 机器审计。

选图速查（详细决策在 chart_selection.md）

| 数据形态 | 推荐首选 | **不该用** | |---|---|---| | 1 个连续 看分布 | 直方图 + KDE / 箱线 | 饼图 | | 1 个分类 看占比 | 横向柱状（按值排序） | 饼图、3D 饼 | | 1 分类 + 1 连续，n<10/组 | **stripplot / dot plot**（直接列点） | 均值柱（**严禁**） | | 1 分类 + 1 连续，n≥10/组 | **箱线/小提琴 + stripplot 叠加** | 仅均值柱 | | 2 连续 看关系 | 散点 + 回归 + r 值 | 折线（除非 x 有序连续） | | 时间 / 剂量 vs 连续 | 折线 + 误差带 | 柱状 | | 多变量相关（>3 列）| 相关性热力图 / pairplot | 平行坐标 | | 矩阵数据 | 热力图（viridis/RdBu_r）| 3D 表面、rainbow 色图 | | 构成占比 | 堆叠柱 / treemap | **饼图** |

完整决策树和"同一数据不同论点 → 不同图"对照表见 `chart_selection.md`。

五条硬性原则

原则 1：按最终尺寸出图，不二次缩放

`figsize` 直接设论文里实际尺寸（Nature 单栏 3.5 in、双栏 7.2 in；IEEE 单栏 3.5 in、双栏 7.16 in）。导出后**绝不在 Word / LaTeX 里再缩放**。

**为什么**：matplotlib 字号是绝对单位（pt），Word 里缩 50% 9pt 就变 4.5pt——投稿前自检直接打回。

原则 2：矢量优先

折线 / 柱状 / 散点 / 热力（数据网格除外）/ 误差棒 → PDF / SVG / EPS。显微图、照片才用 TIFF / PNG（300-600 DPI）。**绝对不用 JPEG**。

**为什么**：矢量任意缩放不糊，文字仍可选；JPEG 数据图边缘有压缩 artifact，期刊 PDF 检查器直接打回。

原则 3：配色对色盲友好

默认 `seaborn.color_palette('colorblind')` 或 Okabe-Ito。**同一张图不同类别加冗余编码**（线型 / marker）。出图前 `export_figure(..., grayscale_preview=True)` 看灰度版能否区分。

**为什么**：约 8% 男性、0.5% 女性色觉异常。审稿人里有这群人，全靠红绿区分的图对他们传达力归零。

原则 4：字号在最终尺寸下可读

正文标签和刻度数字 7-9 pt，最小字 **≥ 6 pt**。

**为什么**：审稿编辑会按 mm 打印查字号；<6 pt 不可读直接退回。

原则 5：误差必有交代

只要有误差棒 / 阴影区间 / 箱线——**图注必须写清**：

• 误差类型（SD / SEM / 95% CI / IQR）
• 样本量 n
• 显著性检验方法 + 校正（如 Bonferroni）
• 显著性符号定义（`* p<0.05` 等）

**为什么**：SD 和 SEM 差一个 √n。混淆 = 结论反转 = 退稿。

主动拦截（顾问职责）

发现用户的需求会触发以下错误时，**先说明再给替代方案，不要默默照做**。完整 15 条详见 `references/viz_pitfalls.md`。

| 错误 | 后果 | 替代方案 | |---|---|---| | n<10/组 还想画均值柱 | 掩盖分布、掩盖 n、审稿人怀疑 | 箱线 + stripplot；或直接 stripplot | | 双 Y 轴显示无关变量 | 视觉上的相关 / 分歧是作图者捏造的 | 拆成上下子图共享 x；或标准化共轴 | | 用饼图展示占比 | 人眼判角度差长度 3 倍 | 横向柱状（按值排序） | | 3D 柱 / 3D 饼 | 视角扭曲所有数值 | 2D 柱、热力图 | | 比例图 Y 轴不从 0 起 | 误导小差异看起来很大 | 从 0 起或用 log；或加明显断裂标记 | | 颜色映射连续值无 colorbar | 读者不知道深浅对应数值 | 必加 colorbar + 标 label/单位 | | x 是分类却用折线连均值 | 暗示不存在的连续关系 | 散点 / 点图 / 柱状 | | 一图塞 5 个论点 | 没论点 | 拆图，一张图一个核心结论 | | rainbow / jet 色图 | 感知不均匀、造假峰 | viridis / magma / RdBu_r |

**拦截话术示例**：

> 你要的"3 组各 5 个样本的均值柱状图"会触发 P1（均值柱掩盖分布）：n=5 太小，柱状会让审稿人怀疑你藏了什么。我建议改成**箱线 + stripplot 叠加每个点**，5 个点直接可见、分布形态一目了然。要按原方案画吗？

尊重用户最终决定，