5 分钟上手 scipilot-figure-skill：一份 CSV 到 Nature 级出版图表的完整流程
【免费下载链接】scipilot-figure-skillSciPilot Skills family - Publication-grade scientific figure copilot for Claude Code项目地址: https://gitcode.com/gh_mirrors/sc/scipilot-figure-skill
写论文时最头疼的往往不是 matplotlib 不会用，而是"手上一份 CSV，到底该用什么图把结论讲清楚"。scipilot-figure-skill是 SciPilot Skills 家族的科研数据可视化顾问（Claude Code / Codex / Cursor Skill），核心理念是先思考、后绘制：先剖析数据、推荐图型，再按 Nature / Science / IEEE / 中文核心期刊的规范出图，最后走"程序自检 + AI 读图"的视觉闭环，产出可直接投稿的出版级图表。本文带你 5 分钟跑通从一份 CSV 到成图的全流程。📊
为什么它不只是一个画图工具
普通画图工具你说"画柱状图"它就plt.bar()；scipilot-figure-skill 会反过来：
- 先做数据剖析——每列类型、样本量、分布、异常值、相关性
- 再问一句——"这张图想论证什么？组间差异、趋势还是变量关系？"
- 按决策框架推荐图型，并主动拦截经典错误（比如 n=5 还想画均值柱，它会劝你改画箱线 + stripplot）
这正是它被称为"科研绘图助手"而非"脚本生成器"的原因。完整决策逻辑见 references/chart_selection.md，18 条避坑清单见 references/viz_pitfalls.md。
一键安装步骤（2 行命令）
先 clone 仓库到 Skill 目录，再装依赖，全程不到 1 分钟：
git clone https://gitcode.com/gh_mirrors/sc/scipilot-figure-skill.git \ ~/.claude/skills/scipilot-figure-skill pip install -r ~/.claude/skills/scipilot-figure-skill/requirements.txt依赖以 requirements.txt 为准：matplotlib、seaborn、plotly、pandas 等必装；SciencePlots、pypdf、kaleido 为可选增强，缺失时会优雅降级，不影响运行。装好后直接对 AI 说"帮我把 results.csv 画成论文图"即可触发整个工作流。
5 分钟全流程：从 CSV 到出版图表
整个流程是一条 8 步流水线（理解任务 → 剖析 → 选图 → 查规范 → 配环境 → 绘制 → 自检 → 导出），下面只讲你真正需要感知的关键节点。
第 1 步：剖析数据，用事实说话
对 CSV 说一句"帮我画论文图"，Skill 不会上来就画，而是先跑 scripts/profile_data.py 输出 EDA 报告：每列类型、缺失率、样本量、偏度、异常值、相关性，甚至给出初步图型建议。看不懂报告可以查 references/data_profiling.md。
💡 重点核对三件事：列类型识别对不对、每组 n 是多少、分布是否高度偏态。
第 2 步：选图——顾问职责的核心
拿到剖析报告和你的论证目标后，Skill 会查 references/chart_selection.md 的决策框架，给出推荐 + 简短理由 + 1~2 个备选。几个高频对照：
| 数据形态 | 推荐首选 | 别踩的坑 |
|---|---|---|
| 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 | 仅画均值柱 |
| 2 个连续变量看关系 | 散点 + 回归线 + r 值 | 折线（除非 x 有序） |
| 时间/剂量趋势 | 折线 + 误差带 | 柱状图 |
| 构成占比 | 横向柱状（按值排序） | 饼图、3D 饼 |
如果维度太多（分组组合 > 12），它会明确建议拆图而不是硬塞。
第 3 步：对齐目标期刊规范
告诉它目标期刊，Skill 会按 references/journal_specs.md 匹配硬性要求——例如 Nature 单栏 89 mm（3.5 in）、双栏 183 mm（7.2 in）、字号 5–7 pt、矢量首选 EPS/PDF；IEEE 要求 600 DPI 且黑白可读；中文核心要"宋体 + Times New Roman 数字"混排。
中文用户特别省心：setup_style(lang='zh')会按Noto Sans CJK SC > Source Han Sans SC > SimHei的优先级自动配置中文字体，并修复负号方框问题，从源头告别"中文变豆腐块"。
第 4 步：按配方绘制
绘制阶段遵循 references/plot_recipes.md 中折线、柱状、散点、箱线/小提琴、热力图、误差棒、分布图、相关性矩阵、多面板等现成配方，每条都附可直接复制的代码和常见坑。强制要求包括：
figsize直接按论文最终尺寸（英寸）出图，不做二次缩放- 默认
seaborncolorblind 或 Okabe-Ito 配色 + 冗余编码（不同线型/marker） - 误差棒/阴影必须在图注交代 SD / SEM / 95% CI + n
多面板图用 scripts/layout_tools.py 的add_panel_labels()一行搞定 a/b/c/d 标签对齐，横竖成线不手摆。
第 5 步：视觉自检闭环（v2.1 亮点）
这是把"问题挡在投稿前"的关键一步，三层都要过：
- 语义层——对照 references/viz_pitfalls.md 检查是否踩了科研画图禁忌
- 形式层——对照 references/publication_checklist.md 核对尺寸、DPI、字号
- 视觉层——scripts/visual_qa.py 渲染 PNG 预览后程序自检缺字/文字裁切/刻度重叠，再由 AI 读图核对图例压数据、子图对齐、配色灰度可分；发现问题就回改重渲，直到通过 ✅
第 6 步：多格式导出 + 合规审计
闭环通过后，用 scripts/export_figure.py 一次性导出 PDF / SVG / PNG 并自动生成灰度预览版供色盲检查；最后跑一遍 scripts/check_figure.py 的--strict机器审计（格式、DPI、字体嵌入）。至此，一份 CSV 的旅程结束，产出的是能直接上传投稿系统的文件。
五条硬性原则：审稿人不会替你做检查
| 原则 | 一句话解释 |
|---|---|
| 按最终尺寸出图 | Nature 单栏 3.5 in，导出后绝不在 Word/LaTeX 里再缩放 |
| 矢量优先 | 数据图走 PDF/SVG/EPS；绝对不用 JPEG |
| 色盲友好配色 | 约 8% 男性色觉异常，审稿人里就有他们 |
| 字号最终尺寸下可读 | 7–9 pt，最小不低于 6 pt |
| 误差必有交代 | 图注写清误差类型 + n + 检验方法 + 符号含义 |
它会主动"拦"你的典型错误
这是 Skill 最有顾问感的部分——发现需求会踩坑时，先说明再给替代方案，不默默照做：
- P1：n<10/组的均值柱掩盖分布 → 改箱线 + stripplot
- P2：双 Y 轴的"相关"是作图者捏造的 → 拆上下子图共享 x
- P4：比例图 Y 轴不从 0 起 → 从 0 起或明示断裂
- P14：rainbow/jet 色图感知不均匀 → 换 viridis / RdBu_r
拦截后是否采纳由你决定，但它会留下明确的劝阻记录。
项目结构速查
| 位置 | 内容 |
|---|---|
| SKILL.md | 技能总入口：工作流、原则、任务示例 |
| scripts/ | 6 个工具脚本：剖析、样式、导出、自检、排版、视觉 QA |
| references/ | 7 份参考文档：选图、剖析解读、期刊规范、配方、避坑、清单、视觉复核 |
| LICENSE | MIT 许可 |
总结：谁最适合用它
- 手握 CSV / Excel 数据、"不知道用什么图好"的研究生和科研工作者
- 论文图表被审稿意见点名"show individual points"、"figure size too small"的你
- 被 matplotlib 中文方框折磨过的中文期刊投稿者
- 需要 Nature / IEEE / 中文核心等多套规范反复切换的跨期刊作者
一句话概括：scipilot-figure-skill 把"选什么图、按什么规范、怎么查错"的判断力打包成了 AI 技能——你只负责给数据和讲结论，它负责从剖析到导出的每一步都不翻车。🚀
【免费下载链接】scipilot-figure-skillSciPilot Skills family - Publication-grade scientific figure copilot for Claude Code项目地址: https://gitcode.com/gh_mirrors/sc/scipilot-figure-skill
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
