论文图表怎么做才规范？图形选型、配色与标注细节审稿人都在看

很多作者把精力都放在文字论述上，图表却随手用默认设置导出，结果收到审稿意见时才发现：图形类型选错了、图例看不清、误差棒没说明。数据可视化是论文的「门面」，审稿人往往先扫图表再看正文。本文按图形选型、技术规范、配色、标注、常见错误五个环节，把科研绘图的关键细节一次梳理清楚。

一、图形选型：先想清楚这张图要回答什么问题

选错图形类型是最常见的问题。判断逻辑很简单：表达趋势用折线图，比如随时间变化的性能曲线；比较大小用柱状图，比如不同方法在同一指标上的对比；表达相关关系用散点图，并按需叠加回归线；展示数据分布用箱线图或小提琴图，比只给均值和标准差信息量更大；多变量矩阵数据优先考虑热图。特别提醒：不要为了「看起来高级」强行使用雷达图、3D 饼图，这类图形信息密度低且容易产生视觉误导，多数期刊编辑并不买账。

二、技术规范：尺寸、分辨率与文件格式要查目标期刊要求

每个期刊的作者指南都写明了图表的物理尺寸、分辨率和格式要求，投稿前务必逐条核对。常规要求是位图分辨率不低于 300 dpi，线条图建议 600 dpi 以上；能输出矢量图（EPS、PDF、SVG）的优先用矢量图，缩放不失真。尺寸上要区分单栏图与双栏图：多数期刊单栏宽度约 8-9 cm，双栏约 17-19 cm，按最终排版尺寸设计字号，避免排版后文字缩得看不清。导出时用原始软件直接导出，不要经过截图或 Word 转存，这两条路径都会造成压缩和模糊。

三、配色：好看是其次，可读与无障碍才是硬指标

配色问题在审稿意见中出现频率很高，核心原则有三条。第一，避免大面积红绿直接对比——全球约 8% 的男性有红绿色觉障碍，读者和审稿人都可能是其中之一；推荐使用科研界常用的色盲友好配色方案（如 viridis、colorbrewer 系列）。第二，一张图中的颜色数量控制在合理范围，同一指标在多个子图间保持颜色一致，全篇图的颜色语义（如实验组/对照组）尽量统一。第三，图中文字用无衬线字体且全篇统一，最小字号在缩放到排版尺寸后仍应清晰可读。

四、标注细节：坐标轴、误差棒与图注的自足性

很多图「能看懂图例，但看不懂轴」。检查这几个细节：坐标轴必须带物理量单位，且注明是对数坐标还是线性坐标；误差棒要说明含义——是标准差、标准误还是置信区间，在图注或方法部分写明，两者含义完全不同；样本量 n 要标注在图注中。图注要写得「自足」：读者不看正文，只看图和图注也能明白这张图做了什么实验、符号代表什么。缩写词在图注中首次出现时要给全称。

五、常见雷区：这些错误在高频返修稿里反复出现

• 拉伸变形：导出后强行改宽高比，圆变椭圆、折线斜率失真；
• 图文重复：图注把正文结论整段复制，或正文把图内信息逐点复述，两者应互补而非重复；
• 默认样式直出：Excel 默认灰底网格线、散点图默认空心三角，容易被认为不够专业；
• 字体与线条不统一：同一篇论文的图有的用宋体有的用黑体，线条粗细不一；
• 过度修饰：加阴影、渐变、立体效果，学术图表以信息传达为先，装饰越少越好。

六、绘图工具怎么选：够用、可复现优先

工具没有绝对优劣，关键是「可复现」：数据更新后能一键重新出图。Origin 和 MATLAB/Python（matplotlib、seaborn、plotly）适合科研主力绘图，脚本化程度高；R 语言的 ggplot2 在统计图形上表达力最强；Excel 适合简单柱状与折线图，但样式定制和导出质量有限；BioRender、Adobe Illustrator 常用于示意图后期的排版精修。建议同一篇论文的所有图尽量用同一套工具链产出，避免风格割裂。

七、投稿前自查清单

提交前对照下面四条快速过一遍：（1）每张图核对目标期刊的尺寸、分辨率、格式要求；（2）灰度打印测试——把图转成灰度看是否仍然可分辨，这是很多期刊排版后的真实呈现；（3）图注逐张检查自足性，含单位、误差棒含义、样本量；（4）全篇图表字体、颜色语义、术语缩写交叉核对一致。花半小时做这四步，能消掉一大类格式类审稿意见。

图表之外，论文的语言质量同样是审稿人的第一观感。如果稿件需要英文润色、查重降重，或想按影响因子、中科院分区、JCR 分区精准筛选目标期刊，RDLink研发家提供论文翻译润色、查重降重、期刊大数据推荐与见刊检索进度查询等一站式服务，覆盖 20+ 学科领域。了解更多服务可访问研发家官网 www.yanfajia.com。