作者： · 发布：

你在写论文的时候，有没有遇到过这个问题：

实验结果都很好，但配的图丑到不想发。

matplotlib 人人会用，但画出来的图，跟顶会论文那种干净利落的风格，总是差一口气——字体不对、配色太杂、坐标轴太细。。。

Chen Liu，耶鲁大学 CS PhD，把他做图的方法论开源了。

顶会顶刊绘图 Skill，耶鲁 PhD 开源，57 套配图模板拿走不谢

▲ 57 个模板，对应发表在 Nature MI、ICML、NeurIPS、ECCV 的论文。

01 不是工具，是一套方法论

大多数”如何画好论文图”的文章，教你的是 matplotlib 语法和配色选择。

Chen Liu 做的事不一样——他把自己实际发表过的图的制作方法，全部开源了。

57 个 figure_* 项目，每个都是一个真实论文的配图工程。有柱状图对比（ImmunoStruct）、雷达图多指标（VIGIL）、趋势线图（眼科综述）、热力图混淆矩阵、3D 球体概念图、Bar plot 消融实验……每种都有对应的 Python 脚本。

顶会顶刊绘图 Skill，耶鲁 PhD 开源，57 套配图模板拿走不谢

▲ VIGIL（ICML）的雷达图

02 House Style：字体、配色、导出，一整套规范

这套 skill 最核心的资产是 House Style——一套完整的出版级 matplotlib 配置。

字体系统： 主字体 Helvetica，fallback 到 Arial / DejaVu Sans。大号柱状图用 24pt，紧凑分析图用 15-16pt。标题中英双语独立 span，英文负责节奏，中文负责说清楚。

配色语义： 蓝色系用于目标方法，绿色渐变表示增量改进，红色用于对比基线，中性灰做背景和辅助。这不是随机选的，是每个颜色在整篇论文里有一致的语义。

坐标轴： 顶部和右侧 spine 直接关掉，只留左边和下边。线宽根据图的类型动态调整——大图 3pt，紧凑图 2pt。

导出策略： 默认 300 DPI PNG，密集柱状图用 600 DPI，同时输出 PDF/SVG 矢量版。svg.fonttype = 'none' 保留可编辑文字，tight_layout(pad=2) 统一留白。

布局智慧： 复杂多图用独立 legend subplots（关掉坐标轴只放图例），避免图例遮挡数据。Y 轴范围根据数据动态压缩，而不是用默认的 0 到最大值。

这些细节看起来小，但每一条都是顶会审稿人眼里”这张图很专业”的来源。

顶会顶刊绘图 Skill，耶鲁 PhD 开源，57 套配图模板拿走不谢

▲ ImmunoStruct（Nature MI）的分组柱状图

03 五个核心函数，够用一整天

Skill 封装了五个核心绘图函数，覆盖了学术论文里最常见的图表类型：

make_grouped_bar：分组柱状图，支持直接标注数值（annotate=True），自动调整 y 轴范围突出差异。消融实验用 alpha 渐变表示完整度，用 hatch 图案保证黑白打印可读。

make_trend：趋势线图，支持多条曲线 + 置信区间阴影。每条线 2-3pt 线宽，最多 4 条主曲线，避免视觉过载。

make_heatmap：热力图，自动添加 colorbar 和单元格标注。适合混淆矩阵、相关性矩阵。

make_scatter：散点图，单系列支持大小和透明度控制。

make_sphere_illustration：3D 球体概念图，用阴影圆盘模拟立体感。适合做方法概述的视觉锚点。

顶会顶刊绘图 Skill，耶鲁 PhD 开源，57 套配图模板拿走不谢

▲ Dispersion 的 3D 球体概念图：纯 matplotlib 实现，无外部 3D 库

每个函数都有完整的类型提示和 Google 风格 docstring，抄进自己项目直接用。

04 Skill 化：装进 Claude Code，一次配置永久复用

这不只是几个 Python 脚本，而是一套完整的 Skill：

scientific-figure-making/
├── SKILL.md              # 入口：何时加载、使用模式、链接
└── references/
    ├── api.md            # 函数签名、PALETTE、验证规则
    ├── common-patterns.md # 布局模式、图例面板、打印安全编码
    ├── design-theory.md   # 设计原则和 rcParams 预设
    ├── tutorials.md       # 端到端教程（柱状图、趋势、热力图）
    └── demos.md           # 57 个 figure_* 项目的 canonical 链接

安装方式极简：

# Cursor
mkdir -p ~/.cursor/skills && ln -s "$(pwd)/scientific-figure-making" ~/.cursor/skills/scientific-figure-making

# Claude Code
mkdir -p ~/.claude/skills && ln -s “$(pwd)/scientific-figure-making” ~/.claude/skills/scientific-figure-making

# Codex
mkdir -p ~/.codex/skills && ln -s “$(pwd)/scientific-figure-making” ~/.codex/skills/scientific-figure-making

装好之后，AI 编程工具就知道你的论文图应该长什么样了。给一个数据集，它会自动套用这套 House Style 出图。

05 为什么这套方法论值钱

Chen Liu，耶鲁大学 CS PhD Candidate。

他的个人主页上列着 20+ 篇论文，发表过 Nature Machine Intelligence、ICML、NeurIPS、ECCV。

这套 skill 的每一个设计决策——字体大小、配色选择、导出参数——都经过了同行评审的检验。

而且这套方法论不是封闭的。仓库里有 open PR，还有人在推进 skill 的重构和复杂多面板演示。

社区在持续迭代。

06 适合谁，不适合谁

适合：

  • • 正在写论文的研究者：直接拿 demo 代码改数据，省去反复调样式的痛苦
  • • AI 编程工具用户：装进 Claude Code/Codex/Cursor，让 AI 用你的 House Style 出图
  • • 需要批量产出同一风格论文的团队：统一配色和排版

不适合：

  • • 做交互式可视化的开发者：这是 matplotlib 静态图，不是 Plotly/Altair
  • • 做信息图/宣传海报的：这套风格偏学术严谨，不适合商业传播

写在最后

学术出版的潜规则是：好实验配好图，才能过初审。

5k Star 说明这件事戳中了很多人的痛点。

GitHub：https://github.com/ChenLiu-1996/figures4papers

📖 相关推荐

更多开源项目内容 →
颜资源站长
颜资源站长 已发布 1017 篇文章

资深互联网从业者，专注AI工具研究与实战应用。长期跟踪ChatGPT、Claude、Stable Diffusion等前沿AI技术，擅长将复杂的技术概念转化为通俗易懂的教程。运营颜资源小站，致力于为中文用户提供高质量的AI教程、开源项目推荐和数字资源整理。