好的！以下是用Python实现科研绘图的入门指南，包含核心库介绍、常用图表类型及代码示例：

一、核心工具库

1. Matplotlib

   • 基础绘图库，支持PDF/SVG矢量图输出
   • 关键模块：pyplot（快速绘图）、axes（精细控制）
   • 科研适配：

     import matplotlib.pyplot as plt
     plt.rcParams.update({
         'font.family': 'serif',       # 学术期刊常用衬线字体
         'mathtext.fontset': 'stix'    # 数学公式字体
     })
     

2. Seaborn

   • 基于Matplotlib的统计图表库
   • 优势：一键生成箱线图、分布图等统计可视化

   import seaborn as sns
   sns.set_theme(context='paper', style='ticks')  # 学术论文风格
   

3. SciencePlots（扩展包）

   • 预置学术出版级样式

   pip install SciencePlots
   

   plt.style.use(['science', 'ieee'])  # IEEE期刊样式
   

二、典型科研图表实现

1. 带误差棒的折线图

import numpy as np

x = np.linspace(0, 10, 5)
y = np.sin(x)
y_err = 0.1 * np.random.rand(5)

plt.errorbar(x, y, yerr=y_err, capsize=4, marker='o', linestyle='--')
plt.xlabel('时间 (s)')
plt.ylabel('电压 (mV)')
plt.savefig('plot.pdf', dpi=300, bbox_inches='tight')  # 300dpi矢量图

2. 多子图复杂布局

fig, axs = plt.subplots(2, 2, figsize=(10, 8))

# 子图1：散点图
axs[0,0].scatter(x, y, s=10, alpha=0.7)

# 子图2：带数学公式标注
x = np.linspace(-5, 5, 100)
axs[0,1].plot(x, np.exp(-x**2))
axs[0,1].text(0, 0.8, r'$f(x) = e^{-x^2}$', fontsize=12)

# 子图3：热力图
data = np.random.rand(10,10)
axs[1,0].imshow(data, cmap='viridis')

# 子图4：3D图
ax = fig.add_subplot(2, 2, 4, projection='3d')
X, Y = np.meshgrid(x, x)
ax.plot_surface(X, Y, np.sin(X+Y))

三、出版级优化技巧

1. 矢量图导出

   plt.savefig('figure.svg', format='svg')  # 避免分辨率损失
   

2. LaTeX公式集成

   plt.title(r'$\frac{\partial T}{\partial t} = \alpha\nabla^2 T$')
   

3. 颜色映射规范

   • 使用cividis或viridis（色盲友好）

   plt.imshow(data, cmap='viridis')
   

四、完整工作流示例

# 数据预处理
import pandas as pd
data = pd.read_csv('experiment_data.csv')

# 绘图配置
plt.style.use('science')
fig, ax = plt.subplots(figsize=(6,4))

# 核心绘图
sns.lineplot(data=data, x='Wavelength', y='Intensity', hue='Sample', ax=ax)

# 学术标注
ax.annotate('Peak at 532nm', xy=(532, 0.9), xytext=(550, 0.7),
            arrowprops=dict(arrowstyle="->", color='black'))

# 输出
plt.savefig('spectrum.tif', dpi=300, format='tiff')

提示：建议结合Jupyter Notebook实时调试，通过%matplotlib inline即时预览绘图效果。对于复杂图表，可使用GridSpec实现非均匀子图布局。