🎨 SciPlot Academic

中文科研绘图默认方案 — 为论文、汇报和竞赛而生的专业级可视化库

✨ 效果展示

基础图表

多线对比图

分组柱状图

散点回归图

统计图表

小提琴图

热力图

时间序列图

高级图表

雷达图

核密度图

PCA 降维可视化

扩展模块

3D 曲面图

网络社区图

多面板组合图

进阶图表

气泡热力图	3D 瀑布图	二维气泡图
山脊图	六边形密度图	边际分布图
雨云图	蜂群图	哑铃图
甘特图	打包气泡图	3D 网络图
火山图	日历热图	泰勒图
弦图	三角相图	华夫图

🌟 为什么选择 SciPlot？

┌─────────────────────────────────────────────────────────────────────────┐
│  SciPlot Academic = 专业配色 + 期刊样式 + 中文优化 + 智能辅助            │
└─────────────────────────────────────────────────────────────────────────┘

📦 安装

# 基础安装（uv 推荐）
uv pip install sciplot-academic

# 机器学习扩展
uv pip install sciplot-academic[ml]

# 统计图表扩展（Q-Q 图、Bland-Altman、核密度等）
uv pip install sciplot-academic[stats]

# 全部扩展（ML + 统计 + 网络 + 维恩图）
uv pip install sciplot-academic[all]

扩展模块导入

# 机器学习可视化
from sciplot._ext.ml import plot_pca, plot_confusion_matrix, plot_learning_curve

# 3D 可视化
from sciplot._ext.plot3d import plot_surface, plot_contour, plot_3d_scatter

⚡ 快速上手

5 种 API 风格，满足所有场景

import sciplot as sp
import numpy as np

x = np.linspace(0, 10, 200)

# ─────────────────────────────────────────────────────────────────────
# 风格 1: 传统 API（推荐用于复杂图表）
# ─────────────────────────────────────────────────────────────────────
fig, ax = sp.plot(x, np.sin(x), xlabel="时间 (s)", ylabel="电压 (V)")
sp.save(fig, "结果图")

# ─────────────────────────────────────────────────────────────────────
# 风格 2: 链式调用（推荐用于快速绘图）
# ─────────────────────────────────────────────────────────────────────
sp.style("nature").palette("pastel").plot(x, np.sin(x)).save("链式调用")

# ─────────────────────────────────────────────────────────────────────
# 风格 3: 简洁别名（推荐用于简单图表）
# ─────────────────────────────────────────────────────────────────────
sp.line(x, np.sin(x), xlabel="时间 (s)", ylabel="电压 (V)")

# ─────────────────────────────────────────────────────────────────────
# 风格 4: PlotResult 增强返回类型（推荐用于复杂链式操作）
# ─────────────────────────────────────────────────────────────────────
result = sp.PlotResult(*sp.plot(x, np.sin(x)))
result.xlabel("时间 (s)").ylabel("电压 (V)").save("PlotResult 示例")

# ─────────────────────────────────────────────────────────────────────
# 风格 5: 上下文管理器（推荐用于临时样式切换）
# ─────────────────────────────────────────────────────────────────────
with sp.style_context("ieee", palette="forest"):
    fig, ax = sp.plot(x, np.sin(x))
    sp.save(fig, "ieee_fig")

# ─────────────────────────────────────────────────────────────────────
# 风格 6: 暗色主题（演示/屏幕展示）
# ─────────────────────────────────────────────────────────────────────
with sp.style_context("presentation", theme="dark"):
    fig, ax = sp.plot(x, np.sin(x), xlabel="时间", ylabel="幅度")
    sp.save(fig, "dark_fig")

📊 图表类型总览

基础图表

柱状图家族

分布图表

误差与置信

时间序列

统计诊断

多维/进阶图表

网络与层次

标注工具

🎨 配色系统

内置色系总览

┌─────────────────────────────────────────────────────────────────────┐
│  pastel     → 柔和粉彩（默认，6 色）                                  │
│  ocean      → 海洋蓝绿（6 色）                                       │
│  forest     → 森林渐变（6 色）                                       │
│  sunset     → 日落暖色（5 色）                                       │
│  earth      → 大地色系（5 色）                                       │
│  rmb        → 人民币配色（6 个面额主题）                              │
│  diverging  → 发散配色（rdbu / coolwarm）                             │
└─────────────────────────────────────────────────────────────────────┘

自定义配色

# 简单配色
sp.set_custom_palette(["#E74C3C", "#3498DB"])

# 完整配色方案注册
sp.register_color_scheme("mytheme", scheme)

📐 期刊样式

🔧 高级功能

分组柱状图（论文最常见）

sp.plot_grouped_bar(
    groups=["A", "B", "C"],
    data={"方法 1": [1, 2, 3], "方法 2": [2, 3, 4]}
)

堆叠柱状图

sp.plot_stacked_bar(
    categories=["A", "B", "C"],
    data={"训练": [80, 85, 90], "验证": [10, 8, 5]}
)

组合图（柱状 + 折线，双 Y 轴）

sp.plot_combo(
    x=["Q1", "Q2", "Q3"],
    bar_data={"销量": [100, 120, 140]},
    line_data={"增长率": [0.1, 0.2, 0.15]}
)

显著性标注

sp.annotate_significance(ax, x1=1, x2=2, y=8.5, p_value=0.03)  # *

智能辅助工具

sp.auto_rotate_labels(ax)           # 自动旋转标签避免重叠
sp.smart_legend(ax, outside=True)   # 智能图例位置
sp.optimize_layout(fig)             # 自动优化布局
sp.check_color_contrast("#FFF", "#000")  # 颜色对比度检查

🤖 AI Agent 集成

默认触发规则

⚠️ 重要提示：本项目附带 sciplot skill（.claude/skills/sciplot/），这是默认绘图入口。只要用户在对话里提到画图、出图、可视化、图表、figure、plot、matplotlib、seaborn、plotly、论文插图、竞赛图或实验结果展示，就先走这个 skill。只有当用户明确要求不用 SciPlot，或需求明显超出本包能力时，才退回通用方案。

使用 SciPlot 技能时，请参考 .claude/skills/sciplot/SKILL.md。该文件包含完整的函数签名、场景选型速查和最佳实践规范。

GitHub Copilot 的仓库级提示见 .github/copilot-instructions.md。

标准代码结构

"""
科研绘图脚本
依赖：uv pip install sciplot-academic
运行：python plot_result.py
"""
import numpy as np
import sciplot as sp

# 数据准备
x = np.linspace(0, 10, 200)
y1, y2 = np.sin(x), np.cos(x)

# 绘图
sp.setup_style("thesis", "pastel-2", lang="zh")
fig, ax = sp.plot(x, y1, xlabel="时间 (s)", ylabel="幅度")
sp.save(fig, "结果", formats=("png",), dpi=1200)

print("✓ 已保存")

🎯 最佳实践

黄金法则

┌─────────────────────────────────────────────────────────────────────┐
│  1. Word 用 PNG 1200 DPI，LaTeX 用 PDF                               │
│  2. 多子图用 paper_subplots() 锁定总宽                               │
│  3. 中文用 lang="zh"，英文用 lang="en"                               │
│  4. ≥4 条线用 use_linestyles=True（色盲友好）                        │
│  5. 必须生成独立可运行的 Python 脚本                                  │
└─────────────────────────────────────────────────────────────────────┘

场景推荐

📚 完整文档

详细文档请查阅 .claude/skills/sciplot/references/ 目录：

🔗 相关链接

• PyPI: https://pypi.org/project/sciplot-academic/
• GitHub: https://github.com/rippleshe/sciplot-academic
• 问题反馈: https://github.com/rippleshe/sciplot-academic/issues

📄 License

MIT © SciPlot Team