# 科学原理图和图表 ## 概述科学原理图和图表将复杂的概念转化为清晰的视觉表示以供出版。使用一流的 Python 库生成神经网络架构、流程图、电路图、生物途径和系统图。 **所有图表均创建为 SVG/EPS 文件，存储在图形/子文件夹中，并在论文/海报中引用** \- 从未直接嵌入到 LaTeX 中。 ## 零样本图生成工作流程 **所有图表的标准工作流程：** 1. **分析需求** \- 识别图表类型和组件 2. **选择最佳库** \- 为特定图表类型选择最佳工具 3. **生成矢量图形** \- 创建具有适当间距和布局的 SVG/EPS 4. **存储在figures/** \- 使用描述性名称保存到`figures/`子文件夹 5. **运行质量检查** \- 验证没有重叠、良好的对比度、正确的分辨率 6. **文档中的参考** \- 在 LaTeX 中使用 `\includegraphics{figures/diagram_name.pdf}` **关键原则：** 首先生成独立的矢量图形，然后集成到文档中。 ## 何时使用此技能该技能应该在以下情况下使用： * 创建神经网络架构图（Transformers、CNN、RNN 等） * 说明系统架构和数据流程图 * 绘制研究设计的方法流程图（CONSORT、PRISMA） * 可视化算法工作流程和处理管道 * 创建电路图和电气原理图 * 描述生物途径和分子相互作用 * 生成网络拓扑和层次结构 * 阐明概念框架和理论模型 * 设计技术论文的框图 ## 按图表类型划分的最佳库选择适合您的特定图表类型的最佳库： ### 神经网络架构（Transformers、CNN 等） **最佳库：** 通过 Python 的 `pygraphviz` 或 `pydot` 实现 `graphviz` * 优秀的自动布局算法 * 干净、专业的外观 * 非常适合层堆叠和连接 * 很好地处理复杂的交叉连接 **替代方案：** 仔细定位的自定义“matplotlib” * 更好地控制精确放置 * 更适合高度定制的设计 * 需要更多的手动定位 ### 流程图和过程图 **最佳库：** 带有“点”或“流程图”布局的“graphviz” * 自动最佳定位 * 标准流程图形状 * 清晰的箭头路线 * 最小的重叠问题 **替代方案：** `diagrams` 库（用于云/系统架构风格） ### 电路图 **最佳库：** `schemdraw` * 专为电路而设计 * 丰富的组件库 * 自动布线 * 专业工程标准输出 ### 生物途径 **最佳库：** 具有自定义渲染功能的“networkx” * 基于图的路径表示 * 算法驱动的布局 * 灵活的节点/边缘样式 ### 框图和系统架构 **最佳库：** `graphviz` 或 `diagrams` * 清晰的层次布局 * 自动间距 * 专业的外观 ## 常见图表类型的零样本示例 ### 示例 1：Transformer 架构（神经网络）创建一个 Transformer 编码器-解码器图，如“Attention Is All You Need”中所示：导入图形可视化从 pathlib 导入路径 def create_transformer_diagram(output_dir='figures'): ”“” 创建 Transformer 架构图。具有自动布局的零样本生成。 ”“” 路径(output_dir).mkdir(exist_ok=True) # 创建具有 TB（从上到下）布局的有向图点 = graphviz. 有向图( ‘变压器’，格式='pdf', 图属性={ 'rankdir': 'BT', # 从下到上（如原始论文） 'splines': 'ortho', # 正交边 'nodesep': '0.5', '排名': '0.8', 'bgcolor': '白色', “dpi”：“300” }, 节点属性={ '形状'：'盒子'， '风格': '圆形、填充', '填充颜色': '浅灰色', '字体名称': 'Arial', '字体大小'：'11'， “宽度”：“2.5”， “高度”：“0.5” }, 边缘属性={ “颜色”：“黑色”， '笔宽': '1.5' } ） # 编码器堆栈（左侧）以 dot.subgraph(name='cluster_encoder') 作为 enc： enc.attr(label='编码器', fontsize='14', fontname='Arial-Bold') enc.attr(style='rounded', color='blue', penwidth='2') # 编码器层（从下到上） enc.node('enc_input_emb', '输入嵌入', fillcolor='#E8F4F8') enc.node('enc_pos', '位置编码', fillcolor='#E8F4F8') enc.node('enc_mha', '多头\n注意', fillcolor='#B3D9E6') enc.node('enc_an1', '添加并规范', fillcolor='#CCE5FF') enc.node('enc_ff', '前馈', fillcolor='#B3D9E6') enc.node('enc_an2', '添加并规范', fillcolor='#CCE5FF') # 编码器流程 enc.edge('enc_input_emb', 'enc_pos') enc.edge('enc_pos', 'enc_mha') enc.edge('enc_mha', 'enc_an1') enc.edge('enc_an1', 'enc_ff') enc.edge('enc_ff', 'enc_an2') # 解码器堆栈（右侧）以 dot.subgraph(name='cluster_decoder') 作为 dec： dec.attr(label='解码器', fontsize='14', fontname='Arial-Bold') dec.attr(style='rounded', color='red', penwidth='2') # 解码器层（从下到上） dec.node('dec_output_emb', '输出嵌入', fillcolor='#FFE8E8') dec.node('dec_pos', '位置编码', fillcolor='#FFE8E8') dec.node('dec_mmha', '蒙面自我-\nAttention', fillcolor='#FFB3B3') dec.node('dec_an1', '添加并标准化', fillcolor='#FFCCCC') dec.node('dec_cross', '交叉注意力', fillcolor='#FFB3B3') dec.node('dec_an2', '添加并标准化', fillcolor='#FFCCCC') dec.node('dec_ff', '前馈', fillcolor='#FFB3B3') dec.node('dec_an3', '添加并标准化', fillcolor='#FFCCCC') dec.node('dec_线性', '线性 & Softmax', fillcolor='#FF9999') dec.node('dec_output', '输出\n概率', fillcolor='#FFE8E8') # 解码器流程 dec.edge('dec_output_emb', 'dec_pos') dec.edge('dec_pos', 'dec_mmha') dec.edge('dec_mmha', 'dec_an1') dec.edge('dec_an1', 'dec_cross') dec.edge('dec_cross', 'dec_an2') dec.edge('dec_an2', 'dec_ff') dec.edge('dec_ff', 'dec_an3') dec.edge('dec_an3', 'dec_线性') dec.edge('dec_线性', 'dec_output') # 交叉注意力连接（编码器到解码器）点.edge('enc_an2', 'dec_cross', 样式='虚线', 颜色='紫色', 标签='上下文', 字体大小='9') # 输入和输出标签 dot.node('input_seq', '输入序列', 形状='椭圆'，填充颜色='浅绿色'） dot.node('target_seq', '目标序列', 形状='椭圆'，填充颜色='浅绿色'）点.edge('input_seq', 'enc_input_emb') 点.edge('target_seq', 'dec_output_emb') # 渲染到文件输出路径 = f'{output_dir}/transformer_architecture' 点.渲染（输出路径，清理= True） # 也另存为 SVG 和 EPS 点.format = 'svg' 点.渲染（输出路径，清理= True）点.format = 'eps' 点.渲染（输出路径，清理= True） print(f"✓ 已创建变压器图：") 打印（f“ - {输出路径}.pdf”）打印（f“ - {输出路径}.svg”）打印（f“ - {输出路径} .eps”）返回 f“{output_path}.pdf” # 用法如果 __name__ == '__main__': 图路径 = create_transformer_diagram('数字') # 运行质量检查从quality_checker导入run_quality_checks run_quality_checks(diagram_path.replace('.pdf', '.png')) **LaTeX 集成：** \开始{图}[htbp] \居中 \includegraphics[width=0.9\textwidth]{figures/transformer_architecture.pdf} \caption{Transformer 编码器-解码器架构显示多头注意力，前馈层和交叉注意机制。} \标签{图：变压器} \结束{图} ### 示例 2：简单流程图（CONSORT 样式）导入图形可视化从 pathlib 导入路径 def create_consort_flowchart(output_dir='figures'): """创建 CONSORT 参与者流程图。""" 路径(output_dir).mkdir(exist_ok=True) 点 = graphviz. 有向图( ‘驸马’，格式='pdf', 图属性={ 'rankdir': 'TB', '样条线': '正交', 'nodesep': '0.6', '排名': '0.8', 'bgcolor': '白色' }, 节点属性={ '形状'：'盒子'， '风格': '圆形、填充', '填充颜色': '#E8F4F8', '字体名称': 'Arial', '字体大小'：'10'， “宽度”：“3”， “高度”：“0.6” } ） # 报名 dot.node('已评估', '已评估资格\n(n=500)') dot.node('排除', '排除 (n=150)\n• 年龄 < 18: n=80\n• 拒绝: n=50\n• 其他: n=20') dot.node('随机化', '随机化\n(n=350)') # 分配 dot.node('治疗', '分配给治疗\n(n=175)', fillcolor='#C8E6C9') dot.node('control', '分配给control\n(n=175)', fillcolor='#FFECB3') # 后续行动 dot.node('treat_lost', '失去后续(n=15)', fillcolor='#FFCDD2') dot.node('ctrl_lost', '失去后续(n=10)', fillcolor='#FFCDD2') # 分析 dot.node('treat_analyzed', '已分析 (n=160)', fillcolor='#C8E6C9') dot.node('ctrl_analyzed', '分析 (n=165)', fillcolor='#FFECB3') # 连接节点 dot.edge('评估', '排除') dot.edge('评估', '随机') dot.edge('随机', '治疗') dot.edge('随机', '控制') 点.edge('治疗', 'treat_lost') dot.edge('治疗', '治疗分析') 点.edge('控制', 'ctrl_lost') 点.edge('控制', 'ctrl_analyzed') # 渲染输出路径 = f'{输出目录}/consort_flowchart' 点.渲染（输出路径，清理= True） print(f"✓ CONSORT 流程图已创建：{output_path}.pdf") 返回 f“{output_path}.pdf” ### 示例 3：CNN 架构 def create_cnn_architecture(output_dir='figures'): """创建 CNN 架构图。""" 点 = graphviz. 有向图( 'cnn', 格式='pdf', graph_attr={'rankdir': 'LR', 'bgcolor': '白色'} ） # 定义层层数=[ ('输入', '输入\n32×32×3', '#FFE8E8'), ('conv1', 'Conv 3×3\n32 过滤器', '#B3D9E6'), ('pool1', 'MaxPool\n2×2', '#FFE5B3'), ('conv2', 'Conv 3×3\n64 过滤器', '#B3D9E6'), ('pool2', 'MaxPool\n2×2', '#FFE5B3'), ('展平', '展平', '#D4E8D4'), ('fc1', 'FC 128', '#C8B3E6'), ('fc2', 'FC 10', '#C8B3E6'), ('softmax', 'Softmax', '#FFC8C8') ] # 创建节点对于层中的node_id、标签、颜色：点.node(node_id, 标签, shape='box', style='圆形，填充', 填充颜色=颜色，字体名称='Arial'） # 连接层对于范围内的 i(len(层) - 1)：点.边缘(层[i][0],层[i+1][0]) 输出路径 = f'{output_dir}/cnn_architecture' 点.渲染（输出路径，清理= True） print(f"✓ 创建的 CNN 图：{output_path}.pdf") 返回 f“{output_path}.pdf” ## 核心能力 ### 1\.支持的图表类型 **神经网络架构** * Transformer编码器-解码器模型 * 卷积神经网络 (CNN) * 循环网络（LSTM、GRU） * 注意机制和变体 * 定制深度学习架构 **方法流程图** * CONSORT参与者流程图 * PRISMA 系统审查流程 * 数据处理管道 * 算法工作流程 * 科目招生流程 **电路图** * 模拟和数字电子电路 * 信号处理框图 * 控制系统图 **生物图** * 信号通路 * 代谢途径图 * 基因调控网络 * 蛋白质相互作用网络 **系统架构图** * 软件架构和组件 * 数据流程图 * 网络拓扑图 * 层级组织结构图 ## 所需的库和安装 ### 主要库：Graphviz（推荐用于 90% 的图表）由于自动布局、清晰的渲染和零重叠保证，Graphviz 是大多数科学图表的最佳工具。 **安装：** # 安装 Graphviz 二进制文件（必需） # macOS 酿造安装graphviz # Ubuntu/Debian sudo apt-get 安装 graphviz # 安装 Python 绑定 pip 安装 graphviz **为什么 Graphviz 是最佳选择：** * ✓ 自动优化布局（无需手动定位） * ✓ 布局算法保证零重叠 * ✓ 开箱即用的专业外观 * ✓ 支持复杂的层次结构和交叉连接 * ✓ 原生 SVG、PDF、EPS 输出 * ✓ 用最少的代码实现最高的质量 ### 专业图书馆 **Schemdraw** \- 仅电路图 pip 安装 schemdraw **NetworkX** \- 复杂网络分析+可视化 pip 安装 networkx matplotlib **Matplotlib** \- 自定义手动图表（当您需要精确控制时） pip 安装 matplotlib ## 零样本图创建快速入门指南对于任何图表类型都遵循此系统方法： ### 第 1 步：识别图表结构问问自己： * **它是一个层次结构吗？** → 使用 `rankdir='TB'` 或 `'BT'` （从上到下或从下到上） * **这是一个序列吗？** → 使用 `rankdir='LR'` （从左到右） * **它有并行分支吗？** → 使用子图/簇 * **它有交叉连接吗？** → Graphviz 会自动处理这个问题 ### 第 2 步：设置基本模板从此模板开始并自定义：导入图形可视化从 pathlib 导入路径 def create_diagram(output_dir='figures',diagram_name='my_diagram'): """通用图表创建模板。""" 路径（output_dir）.mkdir（exist_ok = True，parents = True）点 = graphviz. 有向图( 名称=图表名称，格式='pdf', 图属性={ 'rankdir': 'TB', # TB、BT、LR 或 RL 'splines': 'ortho', # 正交（直线）或曲线 'nodesep': '0.6', # 水平间距 'ranksep': '0.8', # 垂直间距 'bgcolor': '白色', “dpi”：“300” }, 节点属性={ 'shape': 'box', # 盒子，椭圆形，菱形等。 '风格': '圆形、填充', '填充颜色': '浅灰色', '字体名称': 'Arial', '字体大小'：'11'， “保证金”：“0.2”， 'width': '2', # 最小宽度 'height': '0.5' # 最小高度 }, 边缘属性={ “颜色”：“黑色”， '笔宽': '1.5', '箭头大小': '0.8' } ） # 在这里添加你的节点和边 dot.node('节点1', '标签1') dot.node('节点2', '标签2') 点.edge('节点1', '节点2') # 渲染为多种格式输出路径 = f'{输出目录}/{图表名称}' dot.render(output_path, cleanup=True) # PDF 点.format = 'svg' dot.render(output_path, cleanup=True) # SVG 点.format = 'eps' dot.render(output_path, cleanup=True) # EPS print(f"✓ 图表已保存：{output_path}.{{pdf,svg,eps}}") 返回 f“{output_path}.pdf” ### 步骤 3：添加带有清晰标签的节点 **最佳实践：** * 使用描述性节点 ID：“encoder_layer1”而不是“n1” * 使用 `\n` 表示多行标签 * 使用填充颜色对相关组件进行分组 * 保持标签简洁（每行最多 3-5 个单词） # 良好的节点定义 dot.node('input_layer', '输入层\n(512 暗淡)', fillcolor='#E8F4F8') dot.node('注意', '多头\n注意', fillcolor='#B3D9E6') dot.node('输出', '输出', fillcolor='#C8E6C9') ### 步骤 4：连接节点与边 **边缘类型：** # 标准箭头点.edge('节点1', '节点2') # 虚线（信息流） dot.edge('编码器', '解码器', style='虚线') # 双向 dot.edge('node1', 'node2', dir='两者') # 带标签 dot.edge('layer1', 'layer2', label='ReLU') # 不同颜色 dot.edge('输入', '输出', color='红色', penwidth='2') ### 步骤 5：使用子图进行分组 **对于并行结构（如编码器/解码器）：** # 编码器集群以 dot.subgraph(name='cluster_encoder') 作为 enc： enc.attr(label='编码器', style='rounded', color='blue') enc.node('enc1', '编码器层 1') enc.node('enc2', '编码器层 2') enc.edge('enc1', 'enc2') # 解码器集群以 dot.subgraph(name='cluster_decoder') 作为 dec： dec.attr(label='解码器', style='圆角', color='红色') dec.node('dec1', '解码器层 1') dec.node('dec2', '解码器层 2') dec.edge('dec1', 'dec2') # 集群间交叉连接 dot.edge('enc2', 'dec1', style='虚线', color='紫色') ### 第 6 步：渲染和验证 # 始终渲染为 PDF（对于 LaTeX）和 SVG（对于网络/幻灯片）输出路径 = f'{输出目录}/{图表名称}' # 论文 PDF 点格式='pdf' 点.渲染（输出路径，清理= True） # 用于海报/幻灯片的 SVG 点.format = 'svg' 点.渲染（输出路径，清理= True） # 一些期刊的 EPS 点.format = 'eps' 点.渲染（输出路径，清理= True） ## 常用 Graphviz 属性快速参考 ### 图形属性（整体布局）图属性={ 'rankdir': 'TB', # 方向: TB, BT, LR, RL 'splines': 'ortho', # 边缘样式：ortho、curved、line、polyline 'nodesep': '0.5', # 节点之间的空间（英寸） 'ranksep': '0.8', # 行列之间的间距（英寸） 'bgcolor': '白色', # 背景颜色 'dpi': '300', # 光栅输出的分辨率 'compound': 'true', # 允许簇之间有边 'concentrate': 'true' # 合并多条边 } ### 节点属性（框/形状）节点属性={ 'shape': 'box', # 盒子、椭圆形、圆形、菱形、明文 'style': 'rounded,filled', # 圆角、填充、虚线、粗体 'fillcolor': '#E8F4F8', # 填充颜色（十六进制或名称） 'color': 'black', # 边框颜色 'penwidth': '1.5', # 边框宽度 'fontname': 'Arial', # 字体系列 'fontsize': '11', # 字体大小（点） 'fontcolor': 'black', # 文本颜色 'width': '2', # 最小宽度（英寸） 'height': '0.5', # 最小高度（英寸） 'margin': '0.2' # 内部填充 } ### 边属性（箭头/连接）边缘属性={ 'color': 'black', # 线条颜色 'penwidth': '1.5', # 线宽 'style': 'solid', # 实线、虚线、点线、粗体 'arrowsize': '1.0', # 箭头大小 'dir': '前进', # 前进、后退、两者、无 'arrowhead': 'normal' # 正常、V 形、菱形、点、无 } ## 色盲安全调色板使用这些颜色集来确保可访问性： ### Okabe-Ito 调色板（8 色） OKABE_ITO = { '橙色': '#E69F00', '天蓝': '#56B4E9', '绿色': '#009E73', '黄色': '#F0E442', '蓝色': '#0072B2', '朱红色': '#D55E00', '紫色': '#CC79A7', “黑色”：“#000000” } ### 浅色背景（用于填充节点）灯光填充 = { '蓝色': '#E8F4F8', '绿色': '#E8F5E9', '橙色': '#FFF3E0', '紫色': '#F3E5F5', '红色': '#FFEBEE', '黄色': '#FFFDE7', '灰色': '#F5F5F5' } ### 4\.出版标准所有图表均遵循科学出版最佳实践： **矢量格式输出** * 用于 LaTeX 集成的 PDF（首选） * 用于网页和演示的 SVG * 适用于旧版发布系统的 EPS * 高分辨率 PNG 作为后备（300+ DPI） **色盲友好设计** * Okabe-Ito 分类元素调色板 * 连续数据的感知统一的颜色图 * 冗余编码（形状+颜色） * 灰度兼容性验证 **版式标准** * 无衬线字体（Arial、Helvetica）以保持一致性 * 最终打印尺寸至少 7-8 磅文本 * 清晰易读的带有单位的标签 * 始终保持一致的符号 **辅助功能** * 元素之间的高对比度 * 足够的线宽（最小 0.5-1 磅） * 清晰的视觉层次 * 描述性标题和替代文本有关全面的发布指南，请参阅“references/best_practices.md”。 ## 快速入门示例 ### 示例 1：TikZ 中的简单流程图 \文档类{文章} \usepackage{tikz} \usetikzlibrary{shapes.geometric, arrows.meta} % 加载色盲安全颜色 \input{tikz_styles.tex} \开始{文档} \开始{图}[h] \居中 \开始{tikz图片}[ 节点距离=2cm， process/.style={矩形、圆角、draw=黑色、粗、填充=okabe-blue!20，最小宽度=3cm，最小高度=1cm}， Decision/.style={钻石，draw=black，thick，fill=okabe-orange！20，最小宽度=2cm，长宽=2}， arrow/.style={-隐形、厚实} ] % 节点 \node (start) [process] {屏幕参与者\\(n=500)}; \node（排除）[进程，低于=开始] {排除（n=150）\\年龄$ <$ 18岁}; \node (随机化) [处理，下面=排除] {随机化 (n=350)}; \节点（处理）[过程，左下=1.5cm和随机化的2cm] {治疗组\\(n=175)}； \node (control) [过程，右下=1.5cm 和随机化的 2cm] {对照组\\(n=175)}； \node (analyze) [过程，随机化下方=3cm] {分析数据}； % 箭头 \draw [箭头]（开始）--（排除）； \draw [箭头]（排除）--（随机）； \draw [箭头]（随机）-| （治疗）; \draw [箭头]（随机）-| （控制）; \draw [箭头]（处理）|-（分析）； \draw [箭头]（控制）|-（分析）； \结束{tikz图片} \caption{遵循 CONSORT 指南研究参与者流程图。} \label{图：配偶} \结束{图} \结束{文档} ### 示例 2：使用 Schemadraw 绘制电路图导入方案将 schemdraw.elements 导入为 elm # 使用色盲安全颜色创建绘图 d = schemdraw.Drawing() # 电压源 d += elm.SourceV().label('$V_s$') # 串联电阻 d += elm.Resistor().right().label('$R_1$\n1kΩ') d += elm.Resistor().label('$R_2$\n2kΩ') # 电容器 d += elm.Capacitor().down().label('$C_1$\n10μF') # 闭合电路 d += elm.Line().left().tox(d.elements[0].start) # 添加地面 d += elm.Ground() # 保存为矢量图形 d.save('电路图.svg') d.save('电路图.pdf') ### 示例 3：Python 的生物途径将 matplotlib.pyplot 导入为 plt 将 matplotlib.patches 导入为 mpatches 从 matplotlib.patches 导入 FancyBboxPatch、FancyArrowPatch # Okabe-Ito 色盲安全调色板颜色={ '蛋白质': '#56B4E9', # 蓝色 '基因': '#009E73', # 绿色 '进程': '#F0E442', # 黄色 '抑制': '#D55E00' # 橙色 } 图, ax = plt.subplots(figsize=(8, 6)) # 将蛋白质定义为圆角矩形蛋白质=[ ('受体', 1, 5), ('激酶 A', 3, 5), ('激酶 B', 5, 5), ('TF', 7, 5), ('基因', 7, 3) ] 对于蛋白质中的名称、x、y：颜色 = 颜色['基因'] 如果名称 == '基因' 否则颜色['蛋白质'] 框 = FancyBboxPatch((x-0.4, y-0.3), 0.8, 0.6, boxstyle =“圆形，pad = 0.1”，面颜色=颜色，边缘颜色='黑色'，线宽=2） ax.add_patch(框) ax.text(x, y, 名称, ha='center', va='center', fontsize=10, fontweight='bold') # 添加激活箭头箭头=[ (1.5, 5, 2.5, 5, '黑色'), # 受体 -> 激酶 A (3.5, 5, 4.5, 5, '黑色'), # 激酶 A -> 激酶 B (5.5, 5, 6.5, 5, '黑色'), # 激酶 B -> TF (7, 4.7, 7, 3.6, '黑色') # TF -> 基因 ] 对于 x1、y1、x2、y2，箭头颜色：箭头 = FancyArrowPatch((x1, y1), (x2, y2), arrowstyle='->'，mutation_scale=20，线宽=2，颜色=颜色） ax.add_patch（箭头） # 配置轴 ax.set_xlim(0, 8.5) ax.set_ylim(2, 6) ax.set_aspect('等于') ax.axis('关闭') plt.tight_layout() plt.savefig('signaling_pathway.pdf', bbox_inches='紧', dpi=300) plt.savefig('signaling_pathway.png', bbox_inches='紧', dpi=300) ## 制作工作流程（从概念到发布）所有图表均遵循此系统工作流程： ### 第 1 阶段：分析（2 分钟） 1. **识别图表类型** \- 您正在可视化什么？ * 神经网络架构？ → 使用图形可视化 * 流程图（CONSORT、PRISMA）？ → 使用图形可视化 * 电路图？ → 使用 schemdraw * 复杂的网络？ → 使用networkx + graphviz 2. **确定布局方向** * 垂直流动（从上到下）？ → `rankdir='TB'` * 自下而上（如 Transformer）？ → `rankdir='BT'` * 从左到右的顺序？ → `rankdir='LR'` * 从右到左？ → `rankdir='RL'` 3. **识别分组** * 并行结构（编码器/解码器）？ → 使用聚类/子图 * 仅限顺序？ → 简单的节点链 * 交叉连接？ → Graphviz 自动处理 ### 第 2 阶段：实施（10-15 分钟） **95% 图表的标准程序：** 导入图形可视化从 pathlib 导入路径 # 1.设置输出目录输出目录 = '数字' 路径（output_dir）.mkdir（exist_ok = True，parents = True） # 2. 使用基本模板创建图表点 = graphviz. 有向图( '我的图', 格式='pdf', 图属性={ 'rankdir': 'TB', # 根据第一阶段调整 'splines': 'ortho', # 清理正交边 'nodesep': '0.6', # 良好的默认间距 '排名': '0.8', 'bgcolor': '白色', “dpi”：“300” }, 节点属性={ '形状'：'盒子'， '风格': '圆形、填充', '填充颜色': '浅灰色', '字体名称': 'Arial', “字体大小”：“11” }, edge_attr={'color': 'black', 'penwidth': '1.5'} ） # 3. 添加节点（具有描述性 ID 和清晰标签） dot.node('输入', '输入层', fillcolor='#E8F4F8') dot.node('隐藏', '隐藏层', fillcolor='#B3D9E6') dot.node('输出', '输出层', fillcolor='#C8E6C9') # 4. 添加边缘 dot.edge('输入', '隐藏') dot.edge('隐藏', '输出') # 5. 渲染到图形/文件夹输出路径 = f'{output_dir}/my_diagram' dot.render(output_path, cleanup=True) # 创建 PDF 点.format = 'svg' dot.render(output_path, cleanup=True) # 创建 SVG 点.format = 'eps' dot.render(output_path, cleanup=True) # 创建 EPS print(f"✓ 保存到：{output_path}.{{pdf,svg,eps}}") ### 第 3 阶段：质量验证（5 分钟） **自动检查：** # 将 PDF 转换为 PNG 以进行质量检查从pdf2image导入convert_from_path 页面=convert_from_path(f'{output_path}.pdf', dpi=300) 页[0].save(f'{output_path}.png') # 运行质量检查从quality_checker导入run_quality_checks 报告 = run_quality_checks(f'{output_path}.png') if report['overall_status'] != 'PASS': print("⚠️ 检测到的问题 - 查看quality_reports/") # 调整间距：增加nodesep或rankep # 调整颜色：检查可访问性报告其他： print("✓ 质量检查已通过！") **手动验证：** 1. 在查看器中打开 PDF - 检查重叠 2. 验证文本可读（缩放至 100%） 3. 检查对齐和间距是否看起来专业 4. 确保颜色可区分 ### 第 4 阶段：LaTeX 集成（2 分钟） **在你的 LaTeX 文档中：** % 在序言中 \usepackage{graphicx} % 在文档中 \开始{图}[htbp] \居中 \includegraphics[width=0.8\textwidth]{figures/my_diagram.pdf} \caption{清晰的描述性标题解释所有组件和缩写。定义图中使用的任何非标准符号。} \标签{图：my_diagram} \结束{图} % 文本中的引用如图~\ref{fig:my_diagram}所示，该架构包括... **对于海报（投影仪）：** \begin{框架}{架构} \开始{中心} \includegraphics[width=0.9\textwidth]{figures/my_diagram.pdf} \结束{中心} \结束{帧} ### 第 5 阶段：版本控制（1 分钟） **始终承诺：** 1.Python源代码（`create_my_diagram.py`） 2. 生成的输出（`figures/my_diagram.{pdf,svg,eps}`） 3. 质量报告 (`my_diagram_quality_reports/`) git add create_my_diagram.py git 添加数字/my_diagram.* git add my_diagram_quality_reports/ git commit -m“添加带有质量验证的架构图” ## 常见问题故障排除 ### Graphviz 特定问题 **问题：** 节点重叠或太近 # 解决方案：增加间距图属性={ 'nodesep': '1.0', # 从默认值 0.6 增加 'ranksep': '1.2' # 从默认值 0.8 增加 } **问题：** 边缘以令人困惑的方式交叉 # 解决方案 1：使用正交样条 graph_attr={'样条线': '正交'} # 解决方案2：调整排名方向 graph_attr={'rankdir': 'LR'} # 尝试不同的方向 **问题：** 标签被切断或太小 # 解决方案：调整节点大小和字体节点属性={ 'fontsize': '12', # 从 11 增加 'margin': '0.3', # 更多内部填充 'width': '2.5', # 更宽的框 'height': '0.6' # 更高的盒子 } **问题：** 聚类/子图未出现 # 解决方案：集群名称必须以“cluster_”开头 with dot.subgraph(name='cluster_encoder') as enc: # ✓ 正确 enc.attr(标签='编码器') with dot.subgraph(name='encoder') as enc: # ✗ 不会显示为簇 enc.attr(标签='编码器') **问题：** 跨集群边缘不起作用 # 解决方案：启用复合边点.attr(compound='true') # 然后使用lhead/ltail进行集群连接 dot.edge('node1', 'node2', lhead='cluster_decoder') **问题：** Graphviz 未找到错误 # 解决方案：安装 graphviz 二进制文件（不仅仅是 Python 包） # macOS 酿造安装graphviz # 乌班图 sudo apt-get 安装 graphviz # 然后安装Python绑定 pip 安装 graphviz ### 视觉质量问题 **问题：** 颜色不适合色盲 # 解决方案：使用 Okabe-Ito 调色板颜色={ '蓝色': '#56B4E9', '绿色': '#009E73', '橙色': '#E69F00', '紫色': '#CC79A7' } dot.node('n1', '节点', fillcolor=COLORS['蓝色']) **问题：** 打印时文本太小 # 解决方案：增大字体大小和 DPI node_attr={'fontsize': '12'} # 打印最小 11-12 graph_attr={'dpi': '300'} # 出版物质量 **问题：** PDF 太大 # 解决方案 1：使用更简单的边缘路由 graph_attr={'splines': 'line'} # 比 'ortho' 简单 # 解决方案 2：降低草稿的 DPI graph_attr={'dpi': '150'} # 仅适用于草稿 ### 工作流程问题 **问题：**更改后需要重新生成图表 # 解决方案：使图表生成成为一个函数 def create_diagram(参数): # ...图表代码... 返回输出路径 # 易于使用不同参数重新生成 create_diagram({'nodesep': '0.8', 'ranksep': '1.0'}) **问题：**图表与纸质图形样式不匹配 # 解决方案：创建可重用的样式配置纸张样式 = { '图属性'：{ 'rankdir': 'TB', 'bgcolor': '白色', “dpi”：“300” }, '节点属性'：{ '字体名称': 'Arial', '字体大小'：'11'， '风格': '圆形、填充', '填充颜色': '#E8F4F8' }, '边缘属性'：{ “颜色”：“黑色”， '笔宽': '1.5' } } # 用于所有图表点 = graphviz.Digraph(**PAPER_STYLE) ## 目视验证和质量控制所有图表均经过自动视觉质量检查，以防止重叠、确保可读性并验证可访问性。这种多阶段验证过程使用计算机视觉技术来检测常见问题。 ### 第 1 阶段：重叠检测自动检测降低清晰度的重叠元素：将 numpy 导入为 np 从 PIL 导入图像导入 json 从 pathlib 导入路径 def detector_overlaps(image_path, 阈值=0.95): ”“” 检测图中潜在的重叠区域。参数： image_path：渲染图的路径（PNG/PDF） Threshold：检测重叠的相似度阈值（0-1）返回： dict：与位置和严重性重叠的报告 ”“” # 加载图像 img = Image.open(image_path).convert('RGB') img_array = np.array(img) # 检测密集区域（潜在重叠）灰色 = np.mean(img_array, axis=2) # 边缘检测来寻找边界从 scipy.ndimage 导入索贝尔 Edges_x = sobel(灰色, 轴=0) Edges_y = Sobel(灰色, 轴=1) edge_magnitude = np.hypot（edges_x，edges_y） # 查找边缘密度高（重叠）的区域从 scipy.ndimage 导入标签，find_objects 二进制边缘 = 边缘幅度 > np.percentile(边缘幅度, 85) labelled_regions, num_features = 标签(binary_edges) 重叠 = [] 切片 = find_objects(labeled_regions) 对于 i，枚举（切片）中的 slice_obj：如果 slice_obj 不是 None：区域=边缘大小[切片对象] 密度 = np.mean(区域) # 高密度表明潜在的重叠如果密度 > 阈值 * np.max(edge_magnitude)： y_center = (slice_obj[0].start + slice_obj[0].stop) // 2 x_center = (slice_obj[1].start + slice_obj[1].stop) // 2 重叠.追加({ 'region_id': i + 1, “位置”：（x_center，y_center）， '密度'：浮点数（密度）， 'severity': 'high' 如果密度 > 0.98 * np.max(edge_magnitude) else 'medium' }) 报告={ '图像'：str（图像路径）， 'overlaps_Detected'：len（重叠）， 'overlap_regions'：重叠， 'status': 'PASS' if len(overlaps) == 0 else '警告' } 返回报告 def save_overlap_report（报告，output_path ='overlap_report.json'）： """将重叠检测报告保存为 JSON。""" 将 open(output_path, 'w') 作为 f： json.dump(报告, 缩进=2, fp=f) print(f"重叠报告: {report['status']}") print(f" - 检测到重叠：{report['overlaps_detected']}") 如果报告['overlap_regions']： print(" - 需要审核的区域：") 对于报告中的区域['overlap_regions']： print(f" * 区域 {region['region_id']}: " f“位置{region['position']}，严重性：{region['severity']}”) ### 第 2 阶段：对比和可访问性验证确保图表符合色盲读者的可访问性标准： def verify_accessibility(image_path): ”“” 验证图表符合可访问性标准。检查： - 足够的对比度 - 灰度可读性 - 文字大小充足 ”“” 从 PIL 导入 ImageFilter、ImageStat img = Image.open(image_path).convert('RGB') # 测试1：灰度转换灰度 = img.convert('L') grey_stat = ImageStat.Stat(灰度) # 计算对比度（灰度标准差）对比度 = Gray_stat.stddev[0] min_contrast = 30 # 良好对比度的最小标准差 # 测试2：颜色分布 rgb_array = np.array(img) unique_colors = len(np.unique(rgb_array.reshape(-1, 3), axis=0)) # 测试3：模拟常见色盲（绿色盲） def Simulate_colorblind(img_array): # 简化的绿盲模拟色盲 = img_array.copy().astype(float) 色盲[:, :, 0] = 0.625 * img_array[:, :, 0] + 0.375 * img_array[:, :, 1] 色盲[:, :, 1] = 0.7 * img_array[:, :, 1] + 0.3 * img_array[:, :, 0] 返回 colorblind.astype(np.uint8) colorblind_img = 模拟_colorblind(np.array(img)) cb_image = Image.fromarray(colorblind_img) cb_gray = cb_image.convert('L') cb_stat = ImageStat.Stat(cb_gray) cb_contrast = cb_stat.stddev[0] 报告={ '图像'：str（图像路径）， “检查”：{ '灰度对比度'：{ “值”：对比度， “阈值”：最小对比度， 'status': 'PASS' 如果对比度 >= min_contrast 否则 'FAIL' }, '色盲对比度'：{ “值”：cb_contrast， “阈值”：最小对比度 * 0.8， 'status': '通过' 如果 cb_contrast >= min_contrast * 0.8 否则 '失败' }, '颜色多样性'：{ '独特的颜色'：独特的颜色， “状态”：“信息” } }, 'overall_status': '通过' if (对比度 >= min_contrast 且 cb_contrast >= min_contrast * 0.8) 否则“失败” } 返回报告 def save_accessibility_report（报告，output_path ='accessibility_report.json'）： """将辅助功能报告保存为 JSON。""" 将 open(output_path, 'w') 作为 f： json.dump(报告, 缩进=2, fp=f) print(f"辅助功能报告：{report['overall_status']}") 对于 check_name、report['checks'].items() 中的 check_data： print(f" - {check_name}: {check_data['status']}") 如果 check_data 中的“值”和 check_data 中的“阈值”： print(f" 值：{check_data['value']:.2f}，阈值：{check_data['threshold']:.2f}") ### 第 3 阶段：文本大小和分辨率验证验证文本在出版物尺寸下可读： def validate_resolution(image_path, target_dpi=300, min_text_size_pt=7): ”“” 验证图像分辨率和估计的文本大小。参数： image_path：图表图像的路径 target_dpi：发布的目标 DPI（默认 300） min_text_size_pt：可接受的最小文本大小（以磅为单位） ”“” 从 PIL 导入图像导入 pytesseract img = Image.open(图像路径) # 检查 DPI dpi = img.info.get('dpi', (72, 72)) 实际 dpi = dpi[0] if isinstance(dpi, tuple) else dpi # 估计文本大小（简化 - 假设文本检测） # 对于生产，使用 OCR 或 PDF 文本提取宽度，高度 = img.size dpi_ratio =actual_dpi / 72 # 转换为屏幕像素 # 计算实际尺寸（以英寸为单位）宽度英寸 = 宽度 / 实际 dpi 如果实际 dpi > 0，否则宽度 / 72 高度英寸 = 高度 / 实际 dpi 如果实际 dpi > 0，否则高度 / 72 报告={ '图像'：str（图像路径）， '分辨率'：{ 'dpi'：实际 dpi， '目标 dpi': 目标 dpi, “状态”：“通过”如果实际 dpi >= 目标 dpi，否则“警告” }, “尺寸”：{ '像素'：{'宽度'：宽度，'高度'：高度}， '英寸'：{'宽度'：圆形（width_inches，2）， '高度'：圆形（height_inches，2）} }, “建议”：[] } 如果实际 dpi < 目标 dpi：报告['建议'].append( f“将分辨率提高到 {target_dpi} DPI 以提高发布质量” ）如果 width_inchs > 7：报告['建议'].append( “图像宽度超过典型的单列宽度（7 英寸）” ）返回报告 ### 第 4 阶段：综合质量检查流程按顺序运行所有验证阶段： def run_quality_checks(image_path, output_dir='quality_reports'): ”“” 对图表进行全面的质量检查。参数： image_path：要验证的图表路径 output_dir：保存报告的目录返回： dict：综合质量报告 ”“” 导入操作系统从日期时间导入日期时间路径(output_dir).mkdir(exist_ok=True) print(f"正在运行质量检查：{image_path}") 打印（“=” * 60） # 第 1 阶段：重叠检测 print("\n[阶段 1/4] 检测重叠...") 重叠报告 = 检测重叠（图像路径）保存重叠报告（重叠报告， f“{output_dir}/overlap_report.json” ） # 第二阶段：无障碍 print("\n[阶段 2/4] 验证可访问性...") accessibility_report = verify_accessibility（图像路径）保存辅助功能报告（可访问性报告， f“{output_dir}/accessibility_report.json” ） # 第三阶段：解决方案 print("\n[阶段 3/4] 验证分辨率...") 分辨率报告 = 验证分辨率（图像路径）将 open(f"{output_dir}/resolution_report.json", 'w') 作为 f： json.dump（分辨率报告，f，缩进= 2） # 第 4 阶段：生成可视化报告 print("\n[阶段 4/4] 生成可视化报告...") 创建视觉报告（图像路径，重叠报告，可访问性报告， f“{output_dir}/visual_report.png” ） #综合总结所有通行证 = ( overlap_report['status'] != 'FAIL' 并且 accessibility_report['overall_status'] != 'FAIL' 并且 resolution_report['分辨率']['状态'] != '失败' ）摘要= { '时间戳': datetime.now().isoformat(), '图像'：str（图像路径）， 'overall_status': 'PASS' if all_pass else 'NEEDS REVIEW', '阶段结果'：{ '重叠检测'：重叠报告['状态']， '可访问性'：accessibility_report ['overall_status']， '分辨率'：resolution_report['分辨率']['状态'] }, 'reports_saved_to'：输出目录 } 将 open(f"{output_dir}/summary.json", 'w') 作为 f： json.dump(摘要，f，缩进=2) 打印（“\n”+“=”* 60） print(f"总体状态：{summary['overall_status']}") print(f"报告保存到：{output_dir}/") 打印（“=” * 60）返回摘要 def create_visual_report（图像路径，重叠报告，可访问性报告，输出路径）： """创建带有注释的可视化报告。""" 将 matplotlib.pyplot 导入为 plt 从 matplotlib.patches 导入 Circle 图，轴 = plt.subplots(1, 3, Figsize=(15, 5)) # 加载原始图像 img = Image.open(图像路径) # 面板 1：带有重叠标记的原件轴[0].imshow(img) axis[0].set_title('重叠检测', fontsize=12, fontweight='bold') 如果重叠报告['overlap_regions']：对于overlap_report['overlap_regions']中的区域： x, y = 区域['位置'] 如果区域['严重性'] == '高'，则颜色='红色'，否则'橙色' 圆 = 圆((x, y), 20, 颜色=颜色, 填充=False, 线宽=2) 轴[0].add_patch(圆) 轴[0].axis('关闭') 轴[0].text(0.02, 0.98, f"状态: {overlap_report['status']}", 变换=轴[0].transAxes，字体大小=10， Verticalalignment='顶部', bbox=dict(boxstyle='圆形', 面色='小麦', alpha=0.5)) # 面板 2：灰度版本 grey_img = img.convert('L') 轴[1].imshow(gray_img, cmap='灰色') axis[1].set_title('灰度预览', fontsize=12, fontweight='bold') 轴[1].axis('关闭') gray_status =accessibility_report['检查']['grayscale_contrast']['状态'] 轴[1].text(0.02, 0.98, f"状态：{gray_status}", 变换=轴[1].transAxes，字体大小=10， Verticalalignment='顶部', bbox=dict(boxstyle='圆形', 面色='小麦', alpha=0.5)) # 面板 3：色盲模拟 img_array = np.array(img) 色盲 = img_array.copy().astype(float) 色盲[:, :, 0] = 0.625 * img_array[:, :, 0] + 0.375 * img_array[:, :, 1] 色盲[:, :, 1] = 0.7 * img_array[:, :, 1] + 0.3 * img_array[:, :, 0] 轴[2].imshow(colorblind.astype(np.uint8)) axes[2].set_title('色盲模拟', fontsize=12, fontweight='bold') 轴[2].axis('关闭') cb_status =accessibility_report['检查']['colorblind_contrast']['状态'] 轴[2].text(0.02, 0.98, f"状态：{cb_status}", 变换=轴[2].transAxes，字体大小=10， Verticalalignment='顶部', bbox=dict(boxstyle='圆形', 面色='小麦', alpha=0.5)) plt.tight_layout() plt.savefig(output_path, dpi=150, bbox_inches='紧') print(f"可视化报告已保存：{output_path}") plt.close() ### 使用示例：带验证的完整工作流程以下是创建具有全面质量验证的图表的方法：将 matplotlib.pyplot 导入为 plt 从 matplotlib.patches 导入 FancyBboxPatch、FancyArrowPatch # 第 1 步：创建图表 def create_flowchart_with_verification(output_base='流程图'): """创建带有自动质量检查的流程图。""" # Okabe-Ito 色盲安全调色板颜色={ '进程': '#56B4E9', # 蓝色 '决定': '#E69F00', # 橙色 '数据': '#009E73', # 绿色 '终端': '#CC79A7' # 紫色 } 图, ax = plt.subplots(figsize=(8, 10)) # 定义流程图元素时注意间距元素=[ ('开始', 4, 9, '终端'), ('输入数据', 4, 7.5, '数据'), ('过程A', 4, 6, '过程'), ('决定？', 4, 4.5, '决定'), ('流程 B1', 2, 3, '流程'), ('过程 B2', 6, 3, '过程'), ('输出', 4, 1.5, '数据'), ('结束', 4, 0, '终端') ] # 绘制具有足够间距的方框框位置 = {} 对于元素中的标签、x、y、element_type：颜色 = 颜色[元素类型] 宽度，高度 = (1.2, 0.6) if element_type != 'decision' else (1.5, 1.0) 盒子 = FancyBboxPatch( （x - 宽度/2，y - 高度/2），宽度，高度， boxstyle="round,pad=0.1" if element_type != 'decision' else "round,pad=0.05", 面颜色=颜色，边缘颜色='黑色'，线宽=2 ） ax.add_patch(框) ax.text(x, y, 标签, ha='center', va='center', 字体大小=10，字体重量='粗体'） box_positions[标签] = (x, y) # 以适当的间距绘制箭头箭头=[ ('开始', '输入数据'), ('输入数据', '过程A'), ('过程A'，'决定？'), ('决定？', '过程B1'), ('决定？', '过程B2'), ('过程B1','输出'), ('过程B2','输出'), ('输出', '结束') ] 开始，结束于箭头： x1, y1 = box_positions[开始] x2, y2 = box_positions[结束] # 计算箭头起点/终点以避免重叠 if x1 == x2: # 垂直箭头 y1_adj = y1 - 0.3 如果 y2 < y1 否则 y1 + 0.3 y2_adj = y2 + 0.3 如果 y2 < y1 否则 y2 - 0.3 箭头 = FancyArrowPatch( (x1, y1_adj), (x2, y2_adj), arrowstyle='->'，mutation_scale=20，线宽=2，颜色='黑色' ） else: # 对角箭头箭头 = FancyArrowPatch( (x1, y1 - 0.5), (x2, y2 + 0.3), arrowstyle='->'，mutation_scale=20，线宽=2，颜色='黑色' ） ax.add_patch（箭头） ax.set_xlim(0, 8) ax.set_ylim(-0.5, 9.5) ax.set_aspect('等于') ax.axis('关闭') plt.tight_layout() # 以多种格式保存 plt.savefig(f'{output_base}.pdf', bbox_inches='紧', dpi=300) plt.savefig(f'{output_base}.png', bbox_inches='紧', dpi=300) plt.savefig(f'{output_base}.svg', bbox_inches='紧') print(f"图表已保存：{output_base}.pdf/.png/.svg") plt.close() # 第 2 步：运行质量检查 print("\n运行质量验证...") 质量报告=运行质量检查（ f'{output_base}.png', output_dir=f'{output_base}_quality_reports' ） # 第 3 步：根据需要进行审查和迭代如果quality_report['overall_status'] != 'PASS': print("\n⚠️ 图表需要审查。查看质量报告以了解详细信息。") 返回错误其他： print("\n✓ 图表通过了所有质量检查！") 返回真 # 运行完整的工作流程如果 __name__ == '__main__': 成功 = create_flowchart_with_verification('my_flowchart') ### 迭代细化循环对于复杂的图表，请使用迭代细化过程： def iterative_diagram_refinement(create_function, max_iterations=3): ”“” 迭代地完善图表，直到通过质量检查。参数： create_function：创建和保存图表的函数 max_iterations：最大细化尝试次数 ”“” 对于范围（1，max_iterations + 1）中的迭代：打印(f"\n{'='*60}") print(f"迭代 {迭代}/{max_iterations}") 打印（f“{'='* 60}”） # 创建图表图路径 = 创建函数（迭代） # 运行检查质量报告=运行质量检查（图路径， output_dir=f'iteration_{iteration}_reports' ）如果quality_report['overall_status'] == 'PASS'： print(f"\n✓ {iteration} 次迭代后图表获得批准") 返回真其他： print(f"\n⚠️ 发现问题。调整下一次迭代的参数...") # 在这里您可以根据报告调整间距、颜色等 print(f"\n❌ 达到最大迭代次数。需要手动审核。") 返回错误 ## 常见用例 ### 用例 1：CONSORT 参与者流程图临床试验需要标准化的参与者流程图。使用流程图模板： % 加载模板 \input{资产/flowchart_template.tex} % 根据您的数字进行定制 \begin{tikzpicture}[配偶] \node (评估) [flowbox] {评估资格 (n=500)}; \node (排除) [flowbox, 下面=评估的] {排除 (n=150)}; \node (原因) [信息框, right=排除的] { \begin{表格}{l} 年龄 $<$ 18：n=80 \\ 拒绝：n=50 \\ 其他：n=20 \end{表格} }; % ...继续图 \结束{tikz图片} 有关完整模板，请参阅“assets/flowchart_template.tex”。 ### 用例 2：电子电路原理图对于电子论文，请使用 Schemdraw 或 CircuitikZ： # Python 与 Schemdraw - 请参阅 script/circle_generator.py 从脚本.电路生成器导入创建电路电路=创建电路（组件=['电压源','电阻','电容器','接地'], 值=['5V'，'1kΩ'，'10μF'，无]，布局='系列' ）电路.保存('my_电路.pdf') 或者在 LaTeX 中使用 CircuitikZ - 请参阅 `assets/circle_template.tex`。 ### 用例 3：生物信号通路可视化分子相互作用和信号级联： # Python 脚本 - 请参阅 script/pathway_diagram.py 从 script.pathway_diagram 导入 PathwayGenerator 路径 = PathwayGenerator() Pathway.add_ Protein('EGFR', 位置=(1, 5)) Pathway.add_ Protein('RAS', 位置=(3, 5)) Pathway.add_ Protein('RAF', 位置=(5, 5)) 通路.add_activation('EGFR', 'RAS') Pathway.add_activation('RAS', 'RAF') Pathway.save('mapk_pathway.pdf') 或者在 TikZ 中创建 - 请参阅“assets/pathway_template.tex”。 ### 用例 4：系统架构图说明软件/硬件组件和关系： % 使用框图模板 \input{assets/block_diagram_template.tex} \begin{tikzpicture}[架构] \node (传感器) [组件] {传感器}; \node (adc) [组件，右侧=传感器] {ADC}； \node (micro) [组件，右侧=adc] {微控制器}； \node (wifi) [组件，右上方=微型] {WiFi 模块}； \node (display) [组件，右下=微] {Display}; \draw [数据流]（传感器）--节点[上面] {模拟}（adc）； \draw [数据流] (adc) -- 节点[上面] {数字} (微); \draw [数据流] (micro) -- (wifi); \draw [数据流]（微）--（显示）； \结束{tikz图片} 有关完整模板，请参阅“assets/block_diagram_template.tex”。 ## 帮助脚本 `scripts/` 目录包含用于自动图表生成和质量验证的 Python 实用程序： ### `generate_flowchart.py` 通过自动质量检查将文本描述转换为 TikZ 流程图：从scripts.generate_flowchart导入text_to_flowchart，create_with_verification 描述=“”“ 1.筛选参与者（n=500） 2. 如果年龄 < 18 则排除 (n=150) 3. 随机化剩余的（n=350） 4.治疗组（n=175） 5.对照组（n=175） 6. 3个月后随访 7. 分析数据 ”“” # 生成 TikZ 代码 tikz_code = text_to_flowchart（描述）以 open('methodology_flow.tex', 'w') 作为 f： f.write（tikz_code） # 或者使用自动验证创建成功 = create_with_verification( 描述，输出='methodology_flow', 验证=真） ### `电路生成器.py` 使用 Schemdraw 生成电路图并进行质量验证：从 script. Circuit_generator 导入 CircuitBuilder 生成器 = CircuitBuilder() builder.add_Voltage_source('Vs', '5V') builder.add_resistor('R1', '1kΩ') builder.add_capacitor('C1', '10μF') builder.add_ground() # 通过自动质量检查保存 builder.save('电路.pdf', verify=True) # 访问质量报告打印（生成器.quality_report） ### `pathway_diagram.py` 通过重叠检测创建生物途径图：从 script.pathway_diagram 导入 PathwayGenerator gen = 路径生成器( colorblind_safe=真， auto_spacing=True # 自动调整间距以防止重叠） gen.add_node('受体', type='蛋白质', 位置=(1, 5)) gen.add_node('激酶', type='蛋白质', 位置=(3, 5)) gen.add_edge('受体', '激酶', 相互作用='激活') # 保存并进行质量验证 Quality_report = gen.save('pathway.pdf', verify=True) # 如果需要的话迭代细化如果quality_report['status'] != 'PASS': gen.auto_adjust_spacing() gen.save('pathway.pdf', verify=True) ### `compile_tikz.py` 具有质量检查功能的独立 TikZ 编译实用程序： # 将 TikZ 编译为 PDF 并进行验证 python脚本/compile_tikz.py流程图.tex -o流程图.pdf--验证 # 生成带有质量报告的 PNG python脚本/compile_tikz.py流程图.tex -o流程图.pdf --png --dpi 300 --verify # 使用质量叠加预览 python脚本/compile_tikz.py流程图.tex --preview --show-quality ### `quality_checker.py` 适用于任何图表的独立质量验证工具： # 检查单图 python 脚本/quality_checker.py 图.png # 查看详细报告 python 脚本/quality_checker.py graph.png --detailed --output-dir reports/ # 批量检查多个图表 python 脚本/quality_checker.pyfigures/*.png --batch # 导出视觉对比报告 python脚本/quality_checker.py图.png--视觉报告 # Python API 从scripts.quality_checker导入DiagramQualityChecker 检查器 = 图质量检查器() # 运行所有检查报告 = checker.check_diagram('diagram.png') # 访问特定检查 Overlap_report = checker.check_overlaps('diagram.png') accessibility_report = checker.check_accessibility('diagram.png') resolution_report = checker.check_resolution('diagram.png') # 生成可视化报告 checker.create_visual_report('diagram.png', 输出='quality_report.png') # 批处理结果 = checker.batch_check(['fig1.png', 'fig2.png', 'fig3.png']) checker.save_batch_report（结果，'batch_quality_report.json'） ## 模板和资源 `assets/` 目录中的预构建模板提供了起点： * **`flowchart_template.tex`** \- 方法流程图（CONSORT 风格） * **`电路模板.tex`** \- 电路图 * **`pathway_template.tex`** \- 生物途径图 * **`block_diagram_template.tex`** \- 系统架构图 * **`tikz_styles.tex`** \- 可重用的样式定义（始终加载此）所有模板均使用色盲安全的 Okabe-Ito 调色板和可发布的样式。 ## 最佳实践总结 ### 设计原则 1. **清晰胜过复杂** \- 简化，删除不必要的元素 2. **一致的样式** \- 使用模板和样式文件 3. **色盲可访问性** \- 使用 Okabe-Ito 调色板，冗余编码 4. **适当的排版** \- Sans-serif 字体，最小 7-8 pt 5. **矢量格式** \- 始终使用 PDF/SVG 进行发布 ### 技术要求 1. **分辨率** \- 首选矢量，或光栅 300+ DPI 2. **文件格式** \- PDF（用于 LaTeX）、SVG（用于 Web）、PNG 作为后备 3. **色彩空间** \- RGB 用于数字，CMYK 用于打印（如果需要可进行转换） 4. **线宽** \- 最小 0.5 pt，典型 1-2 pt 5. **文本大小** \- 最终大小最小 7-8 pt ### 集成指南 1. **包含在 LaTeX 中** \- 对于 TikZ 使用 `\input{}`，对于外部使用 `\includegraphics{}` 2. **完整的标题** \- 描述所有元素和缩写 3. **文本中的引用** \- 叙述流程中的解释图 4. **保持一致性** \- 纸上所有图形的风格相同 5. **版本控制** \- 将源文件（.tex、.py）保留在存储库中 ## 常见问题故障排除 ### TikZ 编译错误 **问题**：`！包 tikz 错误：我不知道密钥 '/tikz/...` * **解决方案**：缺少库 - 将 `\usetikzlibrary{...}` 添加到序言中 **问题**：重叠文本或元素 * **解决方案**：运行质量检查器来识别重叠：`python script/quality_checker.pydiagram.png` * **解决方案** : 增加`节点距离`，根据重叠报告手动调整定位 * **解决方案** : 在路径生成器中使用 `auto_spacing=True` 进行自动调整 **问题**：箭头未正确连接 * **解决方案** ：使用锚点：`(node.east)`、`(node.north)`等。 * **解决方案**：检查重叠报告中的箭头/节点交叉点 ### Python 生成问题 **问题**：Schemdraw 元素未对齐 * **解决方案** : 使用 `.at()` 方法进行精确定位 * **解决方案** : 启用 `auto_spacing` 以防止重叠 **问题**：Matplotlib 文本渲染问题 * **解决方案** : 设置 `plt.rcParams['text.usetex'] = True` 进行 LaTeX 渲染 * **解决方案** : 确保 LaTeX 安装可用 **问题**：出口质量差 * **解决方案** : 增加 DPI: `plt.savefig(..., dpi=300, bbox_inches='tight')` * **解决方案** ：运行分辨率检查器：`quality_checker.check_resolution(image_path, target_dpi=300)` **问题**：生成后元素重叠 * **解决方案** ：运行 `detect_overlaps()` 函数来识别问题区域 * **解决方案** ：使用迭代细化：`iterative_diagram_refinement(create_function)` * **解决方案**：将元素之间的间距增加 20-30% ### 质量检查问题 **问题**：误报重叠检测 * **解决方案** : 调整阈值: `detect_overlaps(image_path, Threshold=0.98)` * **解决方案**：手动检查可视报告中的标记区域 **问题**：PDF 文件质量检查器失败 * **解决方案** : 首先将 PDF 转换为 PNG: `from pdf2image import Convert_from_path` * **解决方案** ：使用 PNG 输出格式进行质量检查 **问题**：色盲模拟显示对比度较差 * **解决方案**：在代码中显式切换到 Okabe-Ito 调色板 * **解决方案** ：添加冗余编码（形状、图案、线条样式） * **解决方案** : 增加色彩饱和度和亮度差异 **问题**：检测到严重程度重叠 * **解决方案**：查看overlap_report.json以获取确切位置 * **解决方案**：增加这些特定区域的间距 * **解决方案** ：调整参数重新运行并再次验证 **问题**：可视化报告生成失败 * **解决方案**：检查 Pillow 和 matplotlib 安装 * **解决方案** : 确保图像文件可读：`Image.open(path).verify()` * **解决方案** : 检查足够的磁盘空间用于生成报告 ### 辅助功能问题 **问题**：颜色在灰度中无法区分 * **解决方案**：运行可访问性检查器：`verify_accessibility(image_path)` * **解决方案**：添加图案、形状或线条样式以实现冗余 * **解决方案**：增加相邻元素之间的对比度 **问题**：打印时文本太小 * **解决方案** ：运行分辨率验证器：`validate_resolution(image_path)` * **解决方案** ：按最终尺寸设计，至少使用 7-8 pt 字体 * **解决方案** : 检查分辨率报告中的物理尺寸 **问题**：可访问性检查始终失败 * **解决方案**：查看accessibility_report.json以了解特定故障 * **解决方案**：将颜色对比度增加至少 20% * **解决方案** ：在最终确定之前使用实际灰度转换进行测试 ## 资源和参考 ### 详细参考资料加载这些文件以获取有关特定主题的全面信息： * **`references/tikz_guide.md`** \- 完整的 TikZ 语法、定位、风格和技巧 * **`references/diagram_types.md`** \- 带有示例的科学图表类型目录 * **`references/best_practices.md`** \- 出版标准和可访问性指南 * **`references/python_libraries.md`** \ - Schemdraw、NetworkX 和 Matplotlib 图表指南 ### 外部资源 **TikZ 和 LaTeX** * TikZ 和 PGF 手册： * TeXample.net：（示例库） * CircuitikZ 手册： **Python 库** * Schemdraw 文档： * NetworkX 文档： * Matplotlib 文档： **出版标准** * 自然人物指南： * 科学人物指南： * CONSORT 图： ## 与其他技能的整合该技能与以下技能协同工作： * **科学写作** \- 图表遵循图表最佳实践 * **科学可视化** \- 共享调色板和样式 * **LaTeX 海报** \- 重复使用 TikZ 样式制作海报图 * **研究资助** \- 提案方法图 * **同行评审** \- 评估图表的清晰度和可访问性 ## 快速参考清单在提交图表之前，请验证： ### 视觉质量 * 矢量格式 (PDF/SVG) 或 300+ DPI 光栅 * 无重叠元素（由质量检查员验证） * 所有组件之间有足够的间距 * 干净、专业的对齐方式 * 所有箭头正确连接到预期目标 ### 辅助功能 * 使用色盲安全调色板 (Okabe-Ito) * 以灰度工作（使用可访问性检查器进行测试） * 元素之间有足够的对比度（已验证） * 适当的冗余编码（形状+颜色） * 色盲模拟通过所有检查 ### 版式和可读性 * 最终尺寸的文本最小 7-8 pt * 所有元素都清晰、完整地标记 * 一致的字体系列和大小 * 没有文本重叠或剪切 * 单位包括（如适用） ### 出版标准 * 与手稿中其他人物的风格一致 * 综合标题，定义了所有缩写 * 在手稿文本中适当引用 * 满足期刊特定尺寸要求 * 以期刊要求的格式导出（PDF/EPS/TIFF） ### 质量验证（必填） * 运行 `run_quality_checks()` 并达到 PASS 状态 * 审查重叠检测报告（零严重重叠） * 通过无障碍验证（灰度和色盲） * 分辨率在目标 DPI 下经过验证（打印时为 300+） * 生成并审查视觉质量报告 * 所有质量报告均与图形文件一起保存 ### 文档和版本控制 * 保存源文件（.tex、.py）以供将来修订 * 质量报告存档在`quality_reports/`目录中 * 记录配置参数（颜色、间距、尺寸） * Git 提交包括源代码、输出和质量报告 * 自述文件或注释解释了如何重新生成图形 ### 最终集成检查 * 图形在编译的手稿中正确显示 * 交叉引用工作（`\ref{}`指向正确的数字） * 图号与文本引用相符 * 标题出现在相对于图的正确页面上 * 没有与图相关的编译警告或错误使用此技能可以创建清晰、易于理解、达到出版质量的图表，从而有效地传达复杂的科学概念。集成的质量验证工作流程可确保所有图表在发布前均符合专业标准。

科学示意图

包含技能