科研绘图的 3 个致命错误

你有没有想过，为什么顶刊每年退稿的稿件里，有相当一部分其实工作做得扎实、图也做得漂亮，但就是被退稿了？

根据我的不完全统计，在顶刊的审稿意见里，绘图相关的审稿意见占比接近两成，仅次于实验设计和数据分析。

而且，返修中的”重做所有图表”很可能会拖长返修周期两个月以上，很多本来可以三个月内接收的稿件，就是因为图被审稿人盯上，反复大改，最后拖到六个月才接收。

今天我不讲怎么把图做得漂亮，那是个审美话题。我专门聊三个”很多人犯的错误”，犯了就是直接拒稿的那种。

第一个，科学性错误

我把这条排在第一位，因为它是绝对的”一票否决”。图上有任何科学性错误，审稿人都会立刻警觉：”作者对自己的数据都不严谨”。

常见的科学性错误比如误差棒选错类型或者缺失。比如多组对比的柱状图，有的柱子有误差棒，有的没有，审稿人会直接问”为什么 B 组没有 SD”。再比如用 SD 当 SEM 展示，两种 SD/SEM 在样本量小时差异巨大，审稿人一眼能看出来。

还有比如坐标轴不连续或者截断未标注。柱状图从 0 开始，是学术规范。如果你从某个数值开始，要明确标注坐标轴断点（用波浪线）。我看过一张图，y 轴从 1000 开始，柱子顶到 1010，看图的人以为差距巨大，结果原始数据差距其实只有 2%。

我的建议是，在投稿之前，先找同实验室做类似工作的师兄师姐过一遍，或者让个别实验室的朋友看看你的图，问”这张图说明了什么”，测试可读性。

第二，信息密度太高或者太低

第二个问题，是信息密度要么太密要么太稀，两头都不行。

先说”太密”。我见过最夸张的一张图，密密麻麻堆了 8 个 panel，每个 panel 里还有 2 到 4 个子图，标注、误差棒、统计符号全堆在一起。这张图导出来缩到一张 A4 纸的 1/4 大小，啥都看不清。但作者放进论文里的时候是 100% 大小，但论文如果打印出来或者在屏幕上缩放看就十分不得劲。

再说”太稀”。有些同学反过来，一张图就 3 个柱子、1 条曲线，下面空一大片。这种图审稿人一看，就觉得是不是数据真的少，没什么可画的。

我认为，一幅好图能让审稿人不用读图注就能懂你在表达什么”**。

第三：不统一的视觉语言

第三个常见问题是整篇论文的图风格不一致。

什么意思呢？比如 Fig.1 用蓝色柱子，Fig.2 用红色柱子，Fig.3 又用蓝色，但同一组数据在不同图里颜色不一样；再比如 Fig.1 用 Times New Roman 字体，Fig.2 用 Arial；Fig.3 的误差棒是 T 型，Fig.4 的误差棒是 I 型。这些细节攒起来，审稿人潜意识里会觉得”作者投稿不认真”。

标准做法是配色方案统一。要么全用一种主色（蓝色或者黑色），要么全用一组预定义的颜色（推荐 Viridis 或 ColorBrewer 里挑一组 3 色或 4 色方案）。

同时，字体也要统一。全文所有 Figure 统一一种字体（推荐 Arial 或 Helvetica），字号 8 到 12pt 内选择一种或两种。

以及学术性部分的标准和统一，比如误差棒样式统一。T 型还是 I 型，全文一致。坐标轴粗细统一。线宽 0.5 到 1pt 之间，全文统一。图注格式统一。比如”n=3, *p<0.05, p<0.01"这样的标注，前缀符号、缩写方式全文一致。 常用的作图工具有 GraphPad Prism、Origin、Python matplotlib，都带"主题"功能，你设定一个模板，全文所有图都从这个模板出。我个人用的是 matplotlib + Seaborn 的 whitegrid 主题，调整一次能用到毕业。 其实说到最后，顶刊论文的图，读起来像"同一个人画的"，这是审稿人对作者工作严谨度的最直接印象。