科研数据可视化的5步AI工作流：从原始数据到发表级图表

📊 为什么需要AI辅助的数据可视化？

现状与痛点

复制代码

传统方式AI辅助方式
─────────────────────────────────────────────────
数据探索：30分钟                   数据探索：5分钟
编写代码：1小时                    编写代码：10分钟（AI生成）
调试修改：1小时                    调试修改：10分钟
样式优化：45分钟                   样式优化：5分钟
总耗时：3小时15分                总耗时：30分钟

AI在数据可视化中的价值

环节	AI的作用	收益
数据探索	快速生成描述统计、识别异常值	节省探索时间 60%
代码生成	直接输出Matplotlib/ggplot2代码	无需手写语法
设计优化	建议图表类型、配色、排版	符合发表标准
问题诊断	解释为什么某个设计不符合要求	加速迭代

🔄 5步AI工作流全景图

Step 1: 数据准备 & AI诊断

↓ (导入原始数据，让AI识别问题)

Step 2: 智能数据清洗

↓ (AI生成清洗代码)

Step 3: 统计分析 & 选图

↓ (AI推荐最适合的图表类型)

Step 4: 代码生成 & 微调

↓ (AI输出论文级代码)

Step 5: 发表级打磨

↓ (AI帮助最后的排版和优化)

✅ 发表级图表

⚡ Step 1: 数据准备& AI诊断

1.1 准备数据的标准格式

在开始之前，确保你的数据格式规范。最理想的格式是CSV或Excel，结构如下：

复制代码

sample_id    group    treatment    value_A    value_B    measurement_date
─────────────────────────────────────────
1            ControlNone12.5       45.3       2024-01-15
2            Control  None        13.2       48.1       2024-01-15
3            Treatment  Drug_X18.9       52.5       2024-01-15
...

关键原则：

第一行是列名（无特殊字符）
每行一条记录
缺失值用 NA 或空白表示
日期格式统一（YYYY-MM-DD）

1.2 第一个AI提示词：数据诊断

上传你的数据文件或粘贴样本数据到AI，使用这个提示词：

复制代码

我有一个科研数据集，想用AI工作流生成发表级图表。

请先帮我诊断这个数据：
1. 数据的基本信息：样本量、变量数、数据类型
2. 缺失值情况（缺失比例、分布）
3. 异常值识别（极端值、离群点）
4. 变量分布特征（正态性、偏斜度）
5. 基本的描述统计量

数据如下（或附件）：
[粘贴数据]

输出格式：
- 用表格展示基本统计
- 标注需要处理的问题
- 提出数据清洁建议

1.3 AI诊断的预期输出

AI会返回类似这样的诊断报告：

复制代码

📊 数据诊断报告
════════════════════════════════════════

✓ 数据规模- 样本数: 250
  - 变量数: 7
  - 数据类型: 3个数值型，2个分类型，2个日期型

⚠ 问题识别
  1. 缺失值: value_B列12条缺失 (4.8%)
     → 建议: 用中位数插补或删除（取决于分析方式）
  2. 异常值: treatment 分组中有 3 个极端值（>3倍标准差）
     → 建议: 先保留，后续可视化时检查是否需要标注
  
  3. 非正态分布: value_A 呈右偏
     → 建议: 考虑log转换或用中位数而非均值

📈 描述统计（关键变量）
  
  变量       样本数   均值    标准差    最小中位数    最大
  ─────────────────────────────────────────────────────
  value_A    250    24.5     8.35.222.1     67.3
  value_B    238    51.2    12.8   18.5    50.389.9

🎯 下一步建议
  1. 处理缺失值
  2. 考虑数据转换（value_A 可能需要log转换）
  3. 决定是否需要删除 3个极端值

第一轮内容包括了： 1. 核心观点 2. 为什么需要AI 3. 工作流概览 4. Step 1的详细内容

现在让我继续第二轮，包括Step 2-3的内容。我应该保持信息密度和实用性。

1.4 关键操作：你需要做什么

收到诊断报告后，根据建议：

复制代码

# 伪代码示例
import pandas as pd

# 导入数据
df = pd.read_csv('your_data.csv')

# 根据AI建议检查缺失值
print(df.isnull().sum())  # 查看每列缺失数

# 检查异常值
print(df['value_A'].describe())  # 显示百分位数

决策点： -缺失值 < 5% 可以删除行或用中位数插补

缺失值 5-10% 用插补（中位数或KNN）
缺失值 > 10% 需要咨询领域专家

🧹 Step 2: 智能数据清洁

2.1 第二个AI提示词：生成清洁代码

基于第一步的诊断，提供这个提示词：

复制代码

基于上面的诊断结果，请生成Python代码来清洁我的数据。

具体需求：
1. 删除或填补缺失值（value_B 列，建议用中位数）
2. 处理异常值（treatment 分组的3 个极端值，建议标记而非删除）
3. 数据类型转换（确保日期列是datetime格式）
4. 创建可用于分析和绘图的干净数据集

输出要求：
- 完整的Python代码（包含注释）
- 每个步骤前后的数据检查
- 最后保存为'cleaned_data.csv'

2.2 预期的AI代码输出

复制代码

import pandas as pd
import numpy as np
from scipy import stats

# ============================================
# 第1步：导入原始数据
# ============================================
df = pd.read_csv('raw_data.csv')
print(f"原始数据形状: {df.shape}")
print(f"缺失值:\n{df.isnull().sum()}\n")

# ============================================
# 第2步：处理缺失值
# ============================================
# value_B 列用中位数填补 (4.8% 缺失)
df['value_B'].fillna(df['value_B'].median(), inplace=True)
print("✓ value_B 缺失值已用中位数填补")

#============================================
# 第3步：处理异常值 (标记而非删除)
# ============================================
# 使用 IQR 方法识别异常值
Q1 = df['value_A'].quantile(0.25)
Q3 = df['value_A'].quantile(0.75)
IQR = Q3 - Q1
lower_bound = Q1 - 1.5 * IQR
upper_bound = Q3 + 1.5 * IQR

df['is_outlier'] = (df['value_A'] < lower_bound) | (df['value_A'] > upper_bound)
print(f"✓ 识别异常值: {df['is_outlier'].sum()} 条")

# 可视化检查
print(f"  异常值范围: value_A < {lower_bound:.2f} 或 > {upper_bound:.2f}")

# ============================================
# 第4步：数据类型转换
# ============================================
df['measurement_date'] = pd.to_datetime(df['measurement_date'])
df['group'] = df['group'].astype('category')
df['treatment'] = df['treatment'].astype('category')
print(f"✓ 数据类型已转换")
print(df.dtypes)

# ============================================
# 第5步：验证清洁数据
# ============================================
print("\n" + "="*50)
print("清洁后数据摘要")
print("="*50)
print(df.describe())
print(f"\n最终数据形状: {df.shape}")
print(f"缺失值数: {df.isnull().sum().sum()}")

# ============================================
# 第6步：保存清洁数据
# ============================================
df.to_csv('cleaned_data.csv', index=False)
print("\n✓ 清洁数据已保存为 'cleaned_data.csv'")

📈 Step 3: 统计分析 & 选图

这是最关键的一步。选错图表类型会导致科学结论错误或审稿人直接拒稿。

3.1 AI辅助的选图流程

使用这个提示词让AI帮助你选择图表类型：

复制代码

我的科研数据有以下特征：

📋 数据信息
- 样本量: [N]
- 主要变量: [列出变量名和类型]
- 研究问题: [简述你想回答什么]
- 目标期刊: [如Nature, 领域期刊等]

例子：
- 样本量: 250
- 主要变量: 
  * group (分类: Control, Treatment A, Treatment B)
  * value_A (连续: 基因表达量)
  * value_B (连续: 蛋白浓度)
  * measurement_date (时间序列: 2024-01-15到2024-12-31)
- 研究问题: 不同处理组在基因表达和蛋白浓度上是否存在显著差异?
- 目标期刊: Nature Biotechnology

请帮我：
1. 推荐最合适的图表类型 (包括主图和辅图)
2. 说明为什么选择这些图表
3. 指出如果选错的后果
4. 给出具体的数据呈现建议 (如: 显示单个数据点、均值±SE、中位数等)

3.2 AI推荐的典型选图方案

AI通常会这样回答：

复制代码

🎯 图表推荐方案
════════════════════════════════════════

情景1: 比较多个分组的连续变量 (value_A)
┌─────────────────────────────────────────┐
│ 推荐主图: Violin plot (小提琴图)         │
│ • 显示完整分布形状                       │
│ • 点叠加在上面（n小时）│
│ • 加上中位数线和四分位数箱               │
│                │
│ 为什么: 小提琴图结合了箱线图、│
│ 密度图、原始数据的优点，最受学术      │
│ 期刊欢迎 (Nature 风格)                 │
│✗ 不推荐:柱状图+误差棒                │
│原因: 隐藏了分布细节，可能误导读者   │
└─────────────────────────────────────────┘

情景 2: 显示时间变化趋势
┌─────────────────────────────────────────┐
│ 推荐主图: 线图 (带置信带)                │
│ + 原始数据点 (透明化)                   │
│ • 实线: 组平均值                        │
│ • 阴影带: 95% 置信区间                 │
│ • 点: 单个观测值 (alpha=0.3)           │
│                                         │
│ 为什么: 同时显示趋势和不确定性           │
│ 适合时间序列比较                        │
└─────────────────────────────────────────┘

情景 3: 两个连续变量的关系
┌─────────────────────────────────────────┐
│ 推荐主图: 散点图 + 回归线                │
│ • 散点按 group 着色                     │
│ • 加上最佳拟合线和95% CI               │
│ • 显示相关系数 (r) 和 p值│
│                                         │
│ 为什么: 清晰展示相关性和分组差异       │
└─────────────────────────────────────────┘

3.3 关键检查清单

在AI生成可视化代码前，确认这些问题：

复制代码

□ 我的图表能回答研究问题吗？
□ 这个图表类型是否是该领域的标准？
□ 我是否显示了原始数据点？
□ 我是否标注了统计显著性 (p值、*)？
□ 颜色是否考虑了色盲读者 (colorblind-friendly)?
□ 坐标轴标签是否清晰完整？
□ 图表是否能在 300dpi 时清晰打印？

🎨 Step 4: 代码生成 & 微调

这一步是将清洁的数据和选定的图表类型转化为发表级的代码。AI在这里的作用是生成高质量的Matplotlib或ggplot2代码，同时处理细节问题如字体、颜色、分辨率等。

4.1 第三个AI提示词：生成发表级可视化代码

复制代码

我需要生成一个发表级的数据可视化图表。请根据以下需求写Python代码：

📊 图表需求
- 图表类型: [选择的图表类型，如 Violin plot]
- 数据文件: cleaned_data.csv
- X轴变量: group (Control, Treatment A, Treatment B)
- Y轴变量: value_A (基因表达量，单位: log2 fold change)
- 按以下分组着色: treatment (None, Drug_X, Drug_Y)
- 是否需要统计检验标注: 是 (组间比较的p值)

🎯 代码要求
1. 使用 Matplotlib + Seaborn (或 ggplot2 for R)
2. 图表风格必须符合 Nature / Cell 期刊标准
   - 字体: Arial, 10-12pt
   - 分辨率: 300 dpi (打印清晰)
   - 图表宽度: 3.5 英寸（可在双列论文中使用）
3. 具体视觉需求:
   - 小提琴图显示完整分布
   - 添加单个数据点 (jittered, 半透明)
   - 显示中位数线
   - 添加统计显著性标记 (p < 0.05: *, p < 0.01: **)
   - 配色方案: colorblind-friendly (建议使用 Set2 或 Okabe-Ito)
4. 坐标轴标签清晰
   - X轴: "Treatment Group"
   - Y轴: "Gene Expression (log2 fold change)"
   - 不要有网格线 (publication standard)
5. 图例清晰放置 (不遮挡数据)
6. 最后保存为 300dpi 的 PNG 和 PDF

📈 可选增强
- 添加样本量信息 (如 n=50 in each group)
- 显示均值 ± SD 或中位数 ± IQR
- 添加统计检验方法说明 (如 "One-way ANOVA, post-hoc: Tukey")

请输出完整的、可直接运行的 Python 代码，包含：
- 所有必要的导入语句
- 详细的中文注释
- 代码分段（数据加载、绘图、统计检验、保存）
- 质量检查步骤

4.2 AI输出的代码示例

AI会生成类似这样的完整代码：

复制代码

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from scipy import stats
from scipy.stats import f_oneway, tukey_hsd
import warnings
warnings.filterwarnings('ignore')

# ============================================
# 第1步：加载和准备数据
# ============================================
df = pd.read_csv('cleaned_data.csv')

print("数据概览:")
print(df.head())
print(f"\n数据形状: {df.shape}")
print(f"分组情况:\n{df['group'].value_counts()}")

# ============================================
# 第2步：进行统计检验（ANOVA）
# ============================================
# 按分组提取数据
groups = [df[df['group'] == g]['value_A'].values for g in df['group'].unique()]

# 单因素方差分析
f_stat, p_value = f_oneway(*groups)
print(f"\n一元方差分析结果:")
print(f"F-statistic: {f_stat:.4f}")
print(f"P-value: {p_value:.4f}")

# 如果p<0.05，进行Tukey HSD事后检验
if p_value < 0.05:
    print("\n进行Tukey HSD事后检验...")
    res = tukey_hsd(*groups)
    print(res)
    
    # 提取p值用于标注
    group_names = sorted(df['group'].unique())
    pairwise_pvalues = {}
    for i, g1 in enumerate(group_names):
        for j, g2 in enumerate(group_names):
            if i < j:
                pairwise_pvalues[(g1, g2)] = res.pvalue[i, j]

# ============================================
# 第3步：设置出版级的图表风格
# ============================================
# 使用Nature/Cell推荐的样式
sns.set_theme(style="whitegrid", palette="Set2")
sns.set_context("paper", font_scale=1.2)  # 适合论文

# 设置字体为Arial（出版标准）
plt.rcParams['font.family'] = 'Arial'
plt.rcParams['font.size'] = 10
plt.rcParams['axes.linewidth'] = 1.5
plt.rcParams['xtick.major.width'] = 1.5
plt.rcParams['ytick.major.width'] = 1.5
plt.rcParams['xtick.labelsize'] = 10
plt.rcParams['ytick.labelsize'] = 10

# Colorblind-friendly 配色
# Okabe-Ito 调色板（对色盲友好）
colors = ['#E69F00', '#56B4E9', '#009E73']  # Orange, Blue, Green

# ============================================
# 第4步：绘制小提琴图
# ============================================
fig, ax = plt.subplots(figsize=(3.5, 4.5))  # Nature 推荐尺寸

# 绘制小提琴图
parts = ax.violinplot(
    [df[df['group'] == g]['value_A'].values for g in sorted(df['group'].unique())],
    positions=np.arange(len(df['group'].unique())),
    showmeans=True,
    showmedians=True
)

# 设置小提琴的颜色和透明度
for pc in parts['bodies']:
    pc.set_facecolor('#E69F00')
    pc.set_alpha(0.6)
    pc.set_edgecolor('black')
    pc.set_linewidth(1)

# 设置中线颜色
parts['cmeans'].set_color('red')
parts['cmedians'].set_color('darkblue')
parts['cmedians'].set_linewidth(2)

# 添加原始数据点（jittered）
group_names = sorted(df['group'].unique())
for i, group in enumerate(group_names):
    y_data = df[df['group'] == group]['value_A'].values
    x_jitter = np.random.normal(i, 0.04, size=len(y_data))  # 添加抖动
    ax.scatter(x_jitter, y_data, alpha=0.4, s=30, color='black')

# ============================================
# 第5步：添加统计显著性标记
# ============================================
# 在图表顶部添加显著性括号和p值
if p_value < 0.05:
    # 示例：标注第1和第2组之间的显著性
    y_max = df['value_A'].max()
    y_offset = y_max * 0.05
    
    # 绘制括号
    ax.plot([0, 1], [y_max + y_offset, y_max + y_offset], 'k-', linewidth=1)
    ax.plot([0, 0], [y_max + y_offset - 0.5, y_max + y_offset], 'k-', linewidth=1)
    ax.plot([1, 1], [y_max + y_offset - 0.5, y_max + y_offset], 'k-', linewidth=1)
    
    # 添加p值标注
    if (group_names[0], group_names[1]) in pairwise_pvalues:
        p_val = pairwise_pvalues[(group_names[0], group_names[1])]
        sig_mark = '**' if p_val < 0.01 else '*'
        ax.text(0.5, y_max + y_offset + 1, sig_mark, ha='center', fontsize=12, fontweight='bold')

# ============================================
# 第6步：设置坐标轴和标签
# ============================================
ax.set_xticks(np.arange(len(group_names)))
ax.set_xticklabels(group_names, fontsize=11, fontweight='bold')
ax.set_xlabel('Treatment Group', fontsize=12, fontweight='bold')
ax.set_ylabel('Gene Expression\n(log2 fold change)', fontsize=12, fontweight='bold')

# 移除顶部和右侧的脊线（出版标准）
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)

# 设置y轴范围（留出空间放显著性标记）
ax.set_ylim([df['value_A'].min() - 2, df['value_A'].max() + 5])

# ============================================
# 第7步：添加图例和统计信息
# ============================================
# 创建自定义图例
from matplotlib.patches import Patch
legend_elements = [
    Patch(facecolor='#E69F00', alpha=0.6, label='Data Distribution'),
    plt.Line2D([0], [0], color='red', linewidth=2, label='Mean'),
    plt.Line2D([0], [0], color='darkblue', linewidth=2, label='Median'),
]
ax.legend(handles=legend_elements, loc='upper left', fontsize=9, frameon=True)

# 添加统计检验方法说明
textstr = f'One-way ANOVA: F={f_stat:.2f}, p={p_value:.4f}'
ax.text(0.98, 0.02, textstr, transform=ax.transAxes, fontsize=8,
        verticalalignment='bottom', horizontalalignment='right',
        bbox=dict(boxstyle='round', facecolor='wheat', alpha=0.3))

# ============================================
# 第8步：紧凑布局
# ============================================
plt.tight_layout()

# ============================================
# 第9步：保存为出版级格式
# ============================================
# 保存为 PNG（高分辨率）
plt.savefig('figure_1_violin_plot.png', dpi=300, bbox_inches='tight', format='png')
print("✓ PNG 图表已保存: figure_1_violin_plot.png")

# 保存为 PDF（矢量格式，不失真）
plt.savefig('figure_1_violin_plot.pdf', dpi=300, bbox_inches='tight', format='pdf')
print("✓ PDF 图表已保存: figure_1_violin_plot.pdf")

# ============================================
# 第10步：质量检查
# ============================================
print("\n✅ 质量检查清单:")
print("□ 字体为 Arial 10-12pt")
print("□ 分辨率为 300 dpi")
print("□ 颜色为 colorblind-friendly")
print("□ 显示了原始数据点")
print("□ 标注了统计显著性")
print("□ 坐标轴标签清晰完整")
print("□ 图表宽度 3.5 英寸（适合双列论文）")

plt.show()

4.3 微调与迭代

代码生成后，可能需要微调。使用这个简化提示词：

复制代码

我运行了上面的代码，但需要调整以下内容：

问题: [具体描述问题，如：
  - 颜色太浅，看不清
  - 显著性标记位置重叠
  - 图表太拥挤
  - 中文标签显示乱码]

需要的改进: [描述想要的结果]

请只给出需要修改的代码部分，用 # 标注改动位置

常见的微调需求：

问题	快速修复
图表太小或太大	修改 `figsize=(3.5, 4.5)` 中的数值
颜色不合适	更换 `colors` 列表中的hex代码
字体大小不合适	调整 `font_scale` 或个别 `fontsize` 参数
显著性标记不清晰	增加 `y_offset` 值来放大间距
中文乱码	添加 `plt.rcParams['font.sans-serif'] = ['SimHei']`

✨ Step 5: 发表级打磨

最后一步是确保图表符合目标期刊的标准。这不仅是美学问题，还涉及到审稿人能否清晰理解你的研究发现。

5.1 第四个AI提示词：发表级检查与优化

复制代码

我的图表已经生成了，现在想要做最后的发表级打磨。

📋 图表信息
- 当前图表: [上传或描述你的图表]
- 目标期刊: [如 Nature, Cell, 或领域期刊名]
- 主要研究问题: [简述]

🎯 请帮我检查以下几个方面：

1. 【符合期刊标准】
   - 图表尺寸是否符合期刊要求（单列/双列）?
   - 字体和分辨率是否满足出版要求?
   - 颜色配置是否对色盲友好?

2. 【清晰度和可读性】
   - 坐标轴标签是否清晰易读?
   - 数据点是否容易区分（不重叠）?
   - 统计信息是否正确标注?

3. 【科学准确性】
   - 是否显示了原始数据?
   - 误差表示是否正确 (SE vs SD vs CI)?
   - 统计检验方法说明是否准确?

4. 【图表说明文字】
   - 当前的图表标题: [如果有]
   - 需要的图表说明: [写出完整的figure legend]

5. 【可改进的地方】
   - 有什么地方可以更清晰或美观?
   - 是否需要添加小的参考图表?

请给出：
- 整体评价（1-10分，5分为期刊发表标准）
- 具体改进建议清单
- 修改后的代码（如需要）
- 完整的图表说明文字

5.2 AI的检查报告示例

AI会返回类似这样的打磨报告：

复制代码

📊 发表级检查报告
════════════════════════════════════════════════════

当前评分: 7.5/10 (接近发表标准，需微调)

✅ 符合标准的方面
  ✓ 分辨率 300 dpi (满足)
  ✓ 字体 Arial 10pt (满足)
  ✓ 颜色配置 colorblind-friendly (满足)
  ✓ 显示了原始数据点 (优秀)
  ✓ 添加了统计检验说明 (优秀)

⚠ 需要改进的方面
  1. [重要] 显著性标记的 bracket 位置过于拥挤
     → 建议: 增加 y_offset 至 0.1 (当前 0.05)
  
  2. [中等] 图表标题缺失
     → 建议: 添加标题如 "Gene expression levels across treatment groups"
  
  3. [中等] 图例字体过小（9pt）
     → 建议: 改为 10pt，使用 fontweight='bold' 突出
  
  4. [美观] Y轴标签中的换行符可以优化
     → 建议: 使用 "Gene Expression\n(log2 fold change)" 使对齐更清晰

🎯 改进优先级
  1. 修复 bracket 拥挤问题 (高优先级)
  2. 添加图表标题 (高优先级)
  3. 调整图例样式 (中优先级)
  4. 细微的排版优化 (低优先级)

📝 完整的图表说明文字 (Figure Legend)

【图表标题】
Figure 1 | Gene expression levels across different treatment groups
(A) 图表展示三个处理组（对照组、药物X、药物Y）中基因表达水平的分布

【完整说明】
Gene expression levels measured by qPCR across three treatment groups: 
Control (n=50), Drug_X (n=50), and Drug_Y (n=50). Violin plots show 
the full distribution of log2 fold-change values. Individual data points 
are overlaid (black dots, jittered for clarity). Red lines indicate group 
means, blue lines indicate medians. Statistical significance was assessed 
by one-way ANOVA (F=12.34, p=0.0001), followed by Tukey's HSD post-hoc 
test. Asterisks indicate p-values: *p<0.05, **p<0.01, ***p<0.001. 
Error bars represent standard deviation. Sample sizes: n=50 per group.

【方法说明】
Measurements were performed on three biological replicates per treatment, 
with technical replicates. Data normalization was done using the ΔΔCt method.

════════════════════════════════════════════════════════

5.3 常见的发表级打磨检查清单

复制代码

发表前的最终检查清单
════════════════════════════════════════════════════════

【图表基础】
□ 分辨率: 300 dpi (打印清晰)
□ 格式: PNG 和 PDF 都已保存
□ 尺寸: 符合目标期刊（单/双列）
□ 字体: 统一为 Arial，10-12pt

【可读性】
□ 坐标轴标签: 清晰、有单位、字体≥10pt
□ 数据点: 清晰可见、不重叠
□ 颜色: 对色盲友好、对比度高（WCAG AA 标准）
□ 图例: 清晰、不遮挡数据、字体≥10pt

【科学准确性】
□ 原始数据点: 已显示（不是只有统计汇总）
□ 误差表示: 正确标注（SD/SE/CI）
□ 统计检验: 方法和p值正确标注
□ 样本量: 标注了 n= 信息
□ 单位: 所有变量都有清晰单位

【美学和专业性】
□ 脊线: 移除了上、右脊线（出版标准）
□ 网格: 没有网格线或很淡的网格
□ 对齐: 所有元素对齐，没有歪斜
□ 留白: 图表不拥挤，有合理的边距

【说明文字（Figure Legend）】
□ 标题: 清晰、准确、<15 词
□ 说明: 完整但简洁（2-4 句）
□ 方法: 包含关键方法细节
□ 样本量: 标注 n 值
□ 统计: 包含检验方法和p值
□ 图例: 解释所有符号、颜色、线型

════════════════════════════════════════════════════════

5.4 根据目标期刊定制

不同期刊有不同的要求。AI可以帮助你适配：

复制代码

我的图表要投稿到 [期刊名]。

根据这个期刊的投稿指南，请检查我的图表是否符合要求：
- 尺寸要求: [从官方指南复制]
- 分辨率要求: [从官方指南复制]
- 字体要求: [从官方指南复制]
- 其他特殊要求: [从官方指南复制]

我的当前图表配置: [简述]

请指出:
1. 哪些方面符合要求？
2. 哪些需要调整？
3. 提供调整代码

🔧 完整工作流的Python脚本模板

为了便捷起见，这是一个可以直接使用的完整模板，包含了前面所有步骤：

复制代码

"""
科研数据可视化完整工作流
从原始数据到发表级图表的自动化脚本
"""

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from scipy import stats
import warnings
warnings.filterwarnings('ignore')

# ============================================
# 配置: 修改这些参数以适应你的数据
# ============================================
CONFIG = {
    'input_file': 'raw_data.csv',
    'output_dir': './',
    'figure_name': 'figure_1',
    'dpi': 300,
    'figsize': (3.5, 4.5),
    'target_journal': 'Nature',  # Nature / Cell / Domain_Journal
    'colorblind_friendly': True,
}

# ============================================
# Step 1: 数据加载和诊断
# ============================================
def diagnose_data(df):
    """生成数据诊断报告"""
    print("="*60)
    print("数据诊断报告")
    print("="*60)
    print(f"\n✓ 数据形状: {df.shape}")
    print(f"✓ 数据类型:\n{df.dtypes}")
    print(f"\n✓ 缺失值情况:")
    missing = df.isnull().sum()
    if missing.sum() == 0:
        print("  无缺失值")
    else:
        print(missing[missing > 0])
    
    print(f"\n✓ 描述统计:")
    print(df.describe())
    
    return True

# ============================================
# Step 2: 数据清洁
# ============================================
def clean_data(df):
    """执行数据清洁"""
    print("\n" + "="*60)
    print("数据清洁过程")
    print("="*60)
    
    # 缺失值处理
    df_clean = df.dropna(thresh=len(df)*0.7, axis=1)  # 删除缺失>30%的列
    df_clean = df_clean.fillna(df_clean.median(numeric_only=True))
    print(f"✓ 缺失值处理完成")
    
    # 数据类型转换
    for col in df_clean.columns:
        if df_clean[col].nunique() < 10 and df_clean[col].dtype == 'object':
            df_clean[col] = df_clean[col].astype('category')
    print(f"✓ 数据类型转换完成")
    
    return df_clean

# ============================================
# Step 3: 统计分析
# ============================================
def statistical_analysis(df, groupby_col, value_col):
    """执行统计分析并返回p值"""
    groups = [df[df[groupby_col] == g][value_col].values 
              for g in df[groupby_col].unique()]
    
    f_stat, p_value = stats.f_oneway(*groups)
    
    print("\n" + "="*60)
    print("统计检验结果")
    print("="*60)
    print(f"✓ 一元方差分析:")
    print(f"  F-statistic = {f_stat:.4f}")
    print(f"  p-value = {p_value:.4f}")
    
    return f_stat, p_value

# ============================================
# Step 4: 绘图函数
# ============================================
def create_publication_figure(df, groupby_col, value_col, f_stat, p_value, config):
    """创建发表级图表"""
    print("\n" + "="*60)
    print("生成发表级图表")
    print("="*60)
    
    # 设置样式
    sns.set_theme(style="whitegrid")
    plt.rcParams['font.family'] = 'Arial'
    plt.rcParams['font.size'] = 10
    
    fig, ax = plt.subplots(figsize=config['figsize'])
    
    # Colorblind-friendly colors
    colors = ['#E69F00', '#56B4E9', '#009E73', '#F0E442', '#0072B2']
    
    # 绘制小提琴图
    group_names = sorted(df[groupby_col].unique())
    data_for_violin = [df[df[groupby_col] == g][value_col].values 
                       for g in group_names]
    
    parts = ax.violinplot(data_for_violin, 
                          positions=np.arange(len(group_names)),
                          showmeans=True, showmedians=True)
    
    # 设置颜色
    for pc in parts['bodies']:
        pc.set_facecolor(colors[0])
        pc.set_alpha(0.6)
        pc.set_edgecolor('black')
    
    # 添加原始数据点
    for i, group in enumerate(group_names):
        y_data = df[df[groupby_col] == group][value_col].values
        x_jitter = np.random.normal(i, 0.04, size=len(y_data))
        ax.scatter(x_jitter, y_data, alpha=0.4, s=20, color='black')
    
    # 设置坐标轴
    ax.set_xticks(np.arange(len(group_names)))
    ax.set_xticklabels(group_names, fontsize=11, fontweight='bold')
    ax.set_xlabel(groupby_col, fontsize=12, fontweight='bold')
    ax.set_ylabel(value_col, fontsize=12, fontweight='bold')
    
    # 移除脊线（出版标准）
    ax.spines['top'].set_visible(False)
    ax.spines['right'].set_visible(False)
    
    # 添加统计信息
    textstr = f'ANOVA: F={f_stat:.2f}, p={p_value:.4f}'
    ax.text(0.98, 0.02, textstr, transform=ax.transAxes, 
            fontsize=8, verticalalignment='bottom', 
            horizontalalignment='right',
            bbox=dict(boxstyle='round', facecolor='wheat', alpha=0.3))
    
    plt.tight_layout()
    
    # 保存
    png_path = f"{config['output_dir']}{config['figure_name']}.png"
    pdf_path = f"{config['output_dir']}{config['figure_name']}.pdf"
    
    fig.savefig(png_path, dpi=config['dpi'], bbox_inches='tight', format='png')
    fig.savefig(pdf_path, dpi=config['dpi'], bbox_inches='tight', format='pdf')
    
    print(f"✓ PNG 已保存: {png_path}")
    print(f"✓ PDF 已保存: {pdf_path}")
    
    plt.show()
    return fig, ax

# ============================================
# 主程序
# ============================================
if __name__ == '__main__':
    # Step 1: 加载和诊断
    df = pd.read_csv(CONFIG['input_file'])
    diagnose_data(df)
    
    # Step 2: 清洁
    df_clean = clean_data(df)
    df_clean.to_csv('cleaned_data.csv', index=False)
    
    # Step 3: 统计分析
    # 修改这里的列名以匹配你的数据
    groupby_col = 'group'  # 修改为你的分组列
    value_col = 'value_A'  # 修改为你的值列
    
    f_stat, p_value = statistical_analysis(df_clean, groupby_col, value_col)
    
    # Step 4: 绘图
    fig, ax = create_publication_figure(df_clean, groupby_col, value_col, 
                                        f_stat, p_value, CONFIG)
    
    print("\n" + "="*
    print("\n" + "="*60)
    print("✅ 工作流完成！")
    print("="*60)
    print("\n📋 输出文件:")
    print(f"  • 清洁数据: cleaned_data.csv")
    print(f"  • PNG图表: {CONFIG['figure_name']}.png (300 dpi)")
    print(f"  • PDF图表: {CONFIG['figure_name']}.pdf (矢量格式)")
    print("\n下一步: 检查输出文件，根据目标期刊进行微调")

💡 实战案例：从原始数据到发表

为了让你更有体感，我提供一个完整的真实案例。

案例背景

研究主题 : 三种药物对肿瘤细胞增殖的影响

数据 : 50个细胞样本，4个处理组（对照、药物A、药物B、药物C）

主要指标: 细胞增殖指数（0-100）和凋亡率（%）

案例数据示例

复制代码

sample_id,treatment,cell_proliferation,apoptosis_rate,measurement_date
1,Control,45.2,5.3,2024-01-15
2,Control,48.5,4.8,2024-01-15
3,Control,43.1,6.2,2024-01-15
...
15,Drug_A,28.3,18.5,2024-01-15
16,Drug_A,25.7,21.3,2024-01-15
...
35,Drug_B,15.2,42.8,2024-01-15
36,Drug_B,18.9,38.5,2024-01-15
...
50,Drug_C,12.1,68.2,2024-01-15

案例的AI对话流程

第一轮对话 (数据诊断):

复制代码

用户输入:
我有一个关于药物效果的实验数据。样本量50，4个处理组，
主要看细胞增殖和凋亡率。请先诊断数据。

[粘贴数据]

AI输出:
✓ 数据规模: 50 个样本，4 个处理组
✓ 两个关键变量: cell_proliferation (连续) 和 apoptosis_rate (连续)
✓ 数据质量: 完整，无缺失值
✓ 分布特征: 
  - cell_proliferation: 呈明显分组差异
  - apoptosis_rate: 随处理递增（Drug_C > Drug_B > Drug_A > Control）

建议:
1. 首先用 violin plot 展示增殖率的分组差异
2. 用散点图展示增殖率与凋亡率的关系（按处理分色）
3. 进行单因素方差分析检验显著性

第二轮对话 (代码生成):

复制代码

用户输入:
根据诊断，我想要两个图：
- 图A: cell_proliferation 的分组比较 (violin plot)
- 图B: cell_proliferation vs apoptosis_rate 的相关性 (scatter plot，按treatment着色)

请生成发表级代码。目标期刊是 Cancer Research。

AI输出:
[完整代码，包含两个子图的组合图表]

第三轮对话 (微调优化):

复制代码

用户输入:
我运行了代码，但发现：
1. 两个图的字体大小不一致
2. 颜色与 Cancer Research 的最近一期图表风格不太搭
3. 想要在图A中标注样本量 (n=12 per group)

请调整。

AI输出:
[修改后的代码片段，包含字体统一、颜色调整、样本量标注]

第四轮对话 (发表级打磨):

复制代码

用户输入:
最终图表已生成。我想要完整的 figure legend（图表说明）。

已知信息:
- 两个图展示了三种抗癌药物的效果
- 统计方法: ANOVA + Tukey post-hoc
- 关键发现: Drug_C 显著降低增殖、增加凋亡

请帮我写 figure legend。

AI输出:

Figure 2 | Anti-proliferative and pro-apoptotic effects of drug candidates 
in cancer cells

(A) Cell proliferation rates across four treatment groups (Control, Drug_A, 
Drug_B, Drug_C). Violin plots show the full distribution of proliferation 
indices (n=12 per group). Individual data points are overlaid as black dots. 
Red lines indicate group means. One-way ANOVA revealed significant differences 
among groups (F=124.5, p<0.0001). Tukey's post-hoc test showed that Drug_C 
significantly reduced proliferation compared to all other groups (**p<0.01).

(B) Correlation between cell proliferation and apoptosis rate, colored by 
treatment group. Each point represents one sample (n=50 total). Clear negative 
correlation is evident (r=-0.89, p<0.0001), with Drug_C-treated cells showing 
the lowest proliferation and highest apoptosis rates.

Methods: Cells were treated for 48 hours with indicated drugs (10 µM). 
Proliferation was measured using MTT assay; apoptosis was quantified by 
TUNEL staining. Data are presented as mean ± SD.

🎓 AI提示词库（快速参考）

为了方便你复用，这里汇总了所有核心提示词：

提示词 #1: 快速数据诊断

复制代码

我的数据文件是 [filename]，有 [N] 行 [P] 列。
主要变量是 [list variables]。
我想了解: 数据质量如何？有什么问题需要处理？
请给出诊断报告（表格形式）。

提示词 #2: 图表选型建议

复制代码

我的数据特征:
- 因变量: [variable name, type]
- 自变量: [variable name, type]
- 样本量: N=[number]
- 目标期刊风格: [Nature/Cell/specific journal]

根据这个信息，推荐最合适的图表类型，并解释为什么。
如果选错会有什么后果？

提示词 #3: 发表级代码生成

复制代码

生成Python代码绘制 [chart type]，要求:
- 数据源: [filename or data description]
- X轴: [variable]，Y轴: [variable]
- 按 [grouping variable] 着色
- Nature 期刊标准 (Arial 11pt, 300dpi, 3.5" width)
- 添加统计检验 (ANOVA + post-hoc)
- Colorblind-friendly 配色

请输出完整的、可直接运行的代码。

提示词 #4: 论文图例生成

复制代码

我的图表展示了 [what it shows]。
关键发现: [main findings]
统计方法: [methods used]
样本量: [n values]

请帮我写一个专业的 figure legend（简洁、准确、适合学术期刊）。

提示词 #5: 期刊适配检查

复制代码

我要投稿到 [journal name]。
我的图表配置: [describe current setup]
期刊要求: [paste official requirements]

检查是否符合，列出所有需要调整的地方。

⚠️ 常见陷阱与解决方案

陷阱 #1: 隐藏原始数据

复制代码

❌ 错误做法:
只显示均值和误差棒，看不到真实数据分布

✅ 正确做法:
# 在图表中添加所有原始数据点
ax.scatter(x_jitter, y_data, alpha=0.3, s=30, color='black')

为什么重要: 审稿人会检查数据是否真实，隐藏原始数据会引起怀疑。

陷阱 #2: 忽略色盲友好性

复制代码

❌ 错误做法:
colors = ['red', 'green', 'blue']  # 红绿色盲者无法区分

✅ 正确做法:
# Okabe-Ito colorblind-friendly palette
colors = ['#E69F00', '#56B4E9', '#009E73', '#F0E442', '#0072B2']

# 或者使用 seaborn 的色盲友好调色板
palette = sns.color_palette("colorblind")

为什么重要: 约 8% 男性、0.5% 女性有色觉缺陷。考虑他们能让你的论文被更多人理解。

陷阱 #3: 分辨率不足

复制代码

❌ 错误做法:
plt.savefig('figure.png', dpi=72)  # 屏幕分辨率，打印会模糊

✅ 正确做法:
plt.savefig('figure.png', dpi=300, bbox_inches='tight')
plt.savefig('figure.pdf', dpi=300, bbox_inches='tight')  # 矢量格式

为什么重要: 期刊印刷需要 300 dpi。低分辨率会被直接拒稿。

陷阱 #4: 统计方法错误

复制代码

❌ 常见错误:
- 数据不符合正态分布还用 t-test
- 多组比较却只做 t-test（忽视了多重比较问题）
- 不标注统计方法

✅ 正确做法:
# 先检验正态性
from scipy.stats import shapiro
stat, p = shapiro(data)
if p > 0.05:
    use_parametric_test = True
    
# 多组比较用 ANOVA + post-hoc
from scipy.stats import f_oneway, tukey_hsd
f_stat, p_val = f_oneway(group1, group2, group3)
if p_val < 0.05:
    res = tukey_hsd(group1, group2, group3)

为什么重要: 错误的统计方法是论文被拒的主要原因之一。

陷阱 #5: 遗漏关键信息

复制代码

❌ 不完整的图表说明:
"Figure 1: Gene expression levels"

✅ 完整的图表说明应包含:
"Figure 1 | Gene expression across treatment groups
(A) Violin plots showing log2-transformed gene expression values 
(n=50 per group). Individual data points (black dots) and medians 
(blue lines) are shown. One-way ANOVA: F=45.2, p<0.0001; 
**p<0.01 (Tukey post-hoc). (B) ... (Methods: qPCR using 
ΔΔCt method, normalized to housekeeping gene GAPDH.)"

📊 推荐工具与资源

虽然本文聚焦 AI 辅助，但这些工具可以和 AI 工作流结合：

工具	用途	与 AI 的结合
Matplotlib / Seaborn	Python 绘图	AI 生成代码骨架
R ggplot2	R 绘图	AI 生成 R 代码
Figur	在线协作制图	手动微调 AI 生成的图
BioRender	科学示意图	用于流程图，配合 AI 数据图
Nature 插图指南	出版标准参考	作为 AI prompt 的输入
ColorOracle	色盲模拟	检验 AI 推荐的配色