朋友最近在做实验和写论文，每次把实验配图拿给导师看，导师都说差点意思。“差点意思”到底差在哪里了啊？在网络上搜索关于科研配图的信息都很零碎，大多都是小技巧推荐，那有没有一本系统介绍科研论文配图绘制的书呢？
我给朋友推荐了最近的一本新书——《科研论文配图绘制指南：基于Python》。
▲
限时特惠
5折
这本书全彩印刷，系统地介绍了用Python绘制科研论文配图的方法和技巧系统地介绍基于Python的科研论文配图的绘制技巧，提高读者的绘图效率，100多种图形的详细绘制方法，让读者轻松做出精美的科研和论文配图，让论文锦上添花提供200多个绘图用的源代码文件，让读者即学即用！
本书作者宁海涛老师是一位非常出色的数据分析师，还是学术/商务插图设计爱好者、DataCharm主创，他从2021 年 8 月开始，就着手写一本关于学术论文插图绘制的图书。近三年的时间，宁海涛老师保持每周十余篇的高发文量，总计推送了两千多篇文章，内容都是宁老师精心总结的科研论文配图技巧。公众号的内容虽然非常丰富，但有些分散。这也就为集中整理、编绘成册奠定了寄出，继而有了这本科研绘图指南！
这是一本什么书？
本书首先介绍了学术论文插图的制作原则和配色基础；其次系统地介绍了 Matplotlib、Seaborn、ProPlot 以及 SciencePlots 插图制作工具包及其重要特征；最后介绍如何使用 Python中的 Matplotlib、Seaborn、ProPlot、SciencePlots 等工具包绘制学术论文中常见的插图。
本书定位
Python 作为最近几年越来越流行的编程语言，依靠其易学性和可拓展性，不仅在数据分析、机器学习、人工智能以及计算机视觉等领域得到充分利用，而且其优质的第三方拓展工具包，也使 Python 在以上领域得以发展，但是在数据可视化领域，特别是在学术论文插图绘制方面，Python 的强大功能还未被释放出来。此外，现阶段市场上关于使用 Python 绘制常见学术论文插图的图书相对较少，导致读者缺少可参考的资料。基于以上原因，笔者创作了本书，本书系统地介绍了用 Python 快速绘制美观的学术论文插图的方法和技巧。
名家推荐
我们用Python语言生成在论文中使用的配图，可有效提升论文配图的绘制效率。本书详细介绍了各类配图的实现方法，具有很好的实用价值，值得大家学习。
—— 陈为 浙江大学计算机学院副院长、教授、博士生导师
本书根据变量数目分类了常见的科研论文配图，并结合具体科研案例，详细地介绍了用Python绘制配图的方法。本书能够很好地帮助科研工作者解决其科研论文中配图的绘制难题!
—— 张杰《Python数据可视化之美》作者
一图胜千言，规范、准确和美观的专业图表已经成为了科研工作者的刚需。本书由浅入深地介绍了使用Python语言绘制各种科研论文配图的方法，是一本很有价值的参考书。
—— 张敏 《Graphpad Prism 学术图表》作者
对于科学研究人员来说，科研论文配图是研究成果最直观的一种表达方式，一幅高质量的配图可以为优秀的科研成果的具体呈现起到锦上添花的作用。本书系统地介绍了使用Python绘制科研论文配图的方法，帮助大家提高论文中的配图质量，是一本不可多得的好书，我强烈推荐给大家！
—— 石璞东 《智能前端技术与实践》作者，阿里云技术专家
读者对象
本书适合想通过 Python 进行数据分析、学术论文插图绘制的不同专业的在校学生，以及对数据分析与可视化感兴趣的科研人员和职场人士阅读。
阅读指南
全书内容分 8 章，主要内容如下：
第 1 章 介绍学术论文插图绘制的基本原则和配色基础。
第 2 章 介绍绘制学术论文插图的主要工具，并重点介绍 Matplotlib、Seaborn、ProPlot 以
及 SciencePlots 工具包的语法及其重要特征。
第 3 章 介绍单变量图及其绘制方法，包括直方图、密度图、Q-Q 图等。
第 4 章 介绍学术论文中常见的双变量图及其绘制方法。
第 5 章 介绍学术论文中常见的多变量图及其绘制方法。
第 6 章 介绍学术论文中的空间数据型图及其绘制方法。
第 7 章 介绍学术论文中的可视化图及其绘制方法。
第 8 章 以一篇完整学术论文中的插图的绘制为例，详细讲解选择插图和绘制插图的方法。
适用范围
本书所讲的图的绘制方法都是基于 Python 的 Matplotlib、Seaborn、ProPlot、SciencePlots等工具包实现的，囊括了目前学术论文中的各种常见插图类型。同时，本书详细介绍了各种空间地图的绘制方法，读者可将绘制方法应用到自己实际的项目中。
使用版本
本书使用的 Python 版本为 3.8.13，绘制工具包的版本为 Matplotlib(3.4.3)、Seaborn(0.11.2)、ProPlot(0.9.5)、Geopandas(0.11.0) ；数据读取及处理分析工具包的版本为 Numpy(1.23.0)、Pandas(1.4.3) 和 SciPy(1.8.1)。
作为免费开源的工具，Python 自身及工具包的更新迭代很快，因此，读者根据实际使用情况或书中给出的指示更新自己的代码脚本。
绘图源代码
本书提供所有图的 Python 源文件 (py 文件 ) 和 Excel（.xlsx 文件）、CSV.TXT 格式绘图示例的数据文件。注意：读者在运行代码脚本时，若遇到提示某一个数据分析与可视化工具包不存在的信息时，请根据提示进行相关工具包的安装。