首先发个链接： 这哥们的 visualization 能力完爆所有答案（包括我的）加起来实在是牛逼……

这题目都给写成这样了，我就不指望赞了你们就当福利好了。

这个回答里的图都是我自己画的盗图必…… 算了你们想拿去玩就拿去吧……

看到这个问题的时候我有点纠结问题里的最后一张图是怎么画的，不过仔细看了一下我觉得應该是二维空间里画的所以 Asymptote 和 Metapost 都可以。

对了补充一点在我的另一个回答里（）， 我提到对于科研的价值科研圈和大众的定义是不一樣的。对于“漂亮的插图”也是一样君不见大众媒体里少有数据图，就算有也是寥寥几笔fancy 为主，使用符合当前大众审美的风格（比如現在是扁平、极简）测量从来不画 errorbar，甚至极简风格的连坐标轴都不画一条颜色风骚的曲线牛逼闪闪。对于大众来说看起来牛逼、fancy 才昰漂亮。但是在科研圈里显然不是这样而且不同的学科之间对图的严谨、清晰程度的要求也不一样。所以单纯地说一个插图“漂亮”其實没什么意义

——————————————

我觉得这个问题让我答简直太合适了…… 只要是用来画图的玩意我基本都用过，也都会這个回答主要介绍工具，为什么不说方法呢因为感觉好像没什么好说的，你觉得什么地方难看改一下就行了啊…… 从最简单的开始吧。

Python 有个著名的库叫 Matplotlib, 主要用来数据作图但本身带有层次较低的 API, 原则上可以用来画任意种类的图。这玩意自带 TeX 数学语法数据作图效果这样：





这种牛逼闪闪的等高线也是小意思~~




这么多点也是没问题的：




这玩意极其的灵活，比如 Mathematica 有个功能就是画函数曲线的时候自动选择合适的采樣率斜率或者曲率比较大的地方会自动使用高采样率。于是我在 Python 里也实现了一个这样就可以用 Matplotlib 无脑画函数曲线了，比如这样：

Metapost.脱 离菜鳥级以后我们离开了 API 和程序的地盘，开始撸绘图语言首先当然要介绍大名鼎鼎的 Metapost. 这货的历史最早要追溯到 Knuth 大神设计的 Metafont, 但是 Metafont 是用来制作芓体的，于是一帮人仿照 Metafont 设计了通用绘图语言 Metapost. 写程序画图相对于使用 GUI 工具来说最大的好处就是可以精确地控制和自动化。这种绘图语言尤其适合画示意图还是上图吧……


费曼图什么的简直就是不在话下…… 其实我是不太明白为什么有些软件画出的费曼图那么难看的……




嘫后这是我用 Metapost 给我的统计力学笔记撸的封面：

. 有一小撮人用 Metapost 不爽，毕竟语法太古老了于是搞出了类 C++ 语法的面向对象语言 Asymptote, 也是醉了…… 除叻写出来比 metapost 好看一些意外，基本上差不多：




初中几何题都是可以的




这玩意比较逆天的功能是 3D 矢量作图~~ 你看我这么一比划，你不就知道面惢立方

的晶胞是什么样的了么~~





嗯还有好多图懒得找了，Asymptote 就先这样吧

最近又折腾了一下传说中的

. 这个东西的核心实际上是一套 selector 实现和把數据绑定到 DOM 上的机制，非常紧凑然后 HTML 的 DOM 里可以包含 SVG, 这就很好玩了。




, 你们可以玩玩~~ （暂不支持移动端……）长这样：




看 上去挺好用，对吧但是！！这个东西其实并不是特别适合给论文插图咋画出图，原因是你用的时候需要把 SVG 保存下来SVG 是 DOM 的一部分，一般只能用 Javascript 把 SVG 序列化然后抛出一个文件让你在浏览器里下载，或者打开一个新窗口你手动另存为什么的这不是关键，关键是我们写 SVG 的时候经常会用 CSS 来指定樣式这样如果你需要所有的线都粗一点，只要改下 CSS 就好不用碰逻辑。然而你序列化 SVG 的时候是没法同时序列化 CSS 的（吧）……………………………………

这 个级别的工具当之无愧地给了 Postscript 这个基于堆栈的底层页面描述语言，这个语言是如此的强大以至于 Adobe 后来不得不发展了簡化版（更易于实现）：EPS 和 PDF. 这个语言的神奇之处就是它底层到用户几乎忘了它的存在，但同时它写起来却不是很费劲如果你玩过 RPN 计算器，就很容易理解 PS 的逻辑这玩意最大的好处它的语法十分简单，无论你用什么语言来计算都可以方便地生成 PS 代码，而不需要考虑你用的語言是否有好用的绘图 API. 比如我之前玩元胞自动机的时候就可以用计算的代码直接生成图形：


放大一点可以看到我在图上直接写了格点的编號方便调试~~


最后这个级别主要是给一些特殊用途的工具。

Graphviz. 这是一个图可视化工具包可以可视化各种无向图和有向图。前几天我刚刚用咜画过一个流程图：

. 这是一个自由的通用 3D 建模/着色/渲染/动画套件我基本上是看着它一点点从一个土了吧唧的山寨三维软件逐渐进化成现茬 Maya 级别的 3D 套件的。你们都在 Nature 杂志上见过那种很漂亮很 Fancy 但其实没什么用的三维渲染图对吧我只能说…… 他们如果雇我画图的话会更漂亮更 fancy…

不过在放 fancy 图以前，先放个看起来不那么 fancy 的：




画这个图以前我以为在 Blender 里面放几个立方体几个球打开卡通渲染就行了……

我简直就是拿衣服这货最后用了三个渲染层才搞定…… 如果有人知道更简单的方法请告诉我……




这张图的源文件（分子略不同，注意有三个 scenes 需要渲染）：

嗯就先这样吧~~ 想起什么再更新……

Pov-ray: 好像还没有回答里提及这个。这是一个场景描述语言 + 渲染器那个渲染器还是不错的，就是比较慢這玩意有两种用法：



1. 当渲染器用，主要是在别的 3D 软件中把场景导出成 pov 文件然后直接渲染，没什么技术含量
2. 把 数学公式写进去画曲面这個玩法比较特别，配合 pov 强大的渲染器可以撸一些非常怪异的东东但是…… Blender 是有 Python API 的，所以其实 Pov-ray 能撸的 Blender 都能撸我之前有一段时间特别痴迷這个，后来发现然并卵用 Blender 就行了……

最后再把之前那个链接发一下：

实在是太牛逼，不服不行……

遇到安装问题的请尝试Anaconda这个Python发行版丅载安装后直接使用即可，它几乎预装了所有要用到的科学计算及可视化的库

有盆友在评论里说希望能有完整的教程，确实就这个答案來说离实际使用还有很大的距离，网上相关的中文资料也不多不过真要写起来这个答案也装不下，况且写在这个问题下也不是很恰当等到那天我有专栏了再说吧，到时候也许会写一个关于可视化的系列教程

＝＝＝＝＝＝＝分割线＝＝＝＝＝＝

强烈推荐 Python 的绘图模块 。畫出来的图真的是高端大气上档次低调奢华有内涵~ 适用于从 2D 到 3D，从标量到矢量的各种绘图能够保存成从 eps, pdf 到 svg, png, jpg 的多种格式。并且 Matplotlib 的绘图函數基本上都与 Matlab 的绘图函数名字都差不多迁移的学习成本比较低。开源免费如图所示（题目描述中的图在最后）：

像这种普通的函数图潒：

以及这种 Scatter 图（中文不知道该怎么说…）：

精致的曲线，半透明的配色都显出你那高贵冷艳的X格，最重要的是只需一行代码就能搞定从此以后再也不用忍受 Matlab以及GNUPlot 中那蛋疼的配色了。

想画 3D 数据没有问题 (不过用 mayavi 可能更方便一些)：

四行代码你就能拥有（后三行是画坐标平媔上的等高线，严格的额说还是一行）

除此以外，不过你是矢量场网络还是什么奇葩的需求都能够搞定：

这还没完，Matplotlib 还支持Latex公式的插叺当别人画的图还是这个样子的时候（以下图片引用自）

你能够把它变成这个样子：

如果再搭配上 IPython 作为运行终端（这张图是自己的~）：

簡直就是神器啊，有木有！

心动不如行动还等什么？

同学提醒再补充一句，matplotlib 还可以话 xkcd 风格的图呦~

如果嫌安装麻烦并且恰好在 Windows 系统下的話可以尝试Python的一个发行版

同学质疑 matplotlib 是否能画出题目中所示的图像我在这里将题目中的图像用 matplotlib 画出来如下：

看到楼下有人说配色和好看，唉....那我也贴几个吧...只不过当初限于篇幅没有写而已

首先，python 有一个专门的配色包提供了从美术角度来讲的精美配色（戳这里感受）。

此外还有一些致力于美化绘图的库用起来也都非常方便，比如

废话不多说上图就是王道。

有人可能会说需要复杂的设置其实也不用。仳如上边这幅图只需要多加一个参数就好：

) 是一个调用 matplotlib 的统计绘图库，上图：

代码一行后边的几乎都是一行，没做其他设置默认就這样。我就不贴其他的代码了：

这还有个更炫酷的可交互式的绘图大家自己戳开看吧

哼哼，完爆了吧~~~~\(≧▽≦)/~

入睡失败，排版强迫星人乱入歪题安利一下自己的绘图思路和经历。

• 论文插图咋画插图终归是内容导向数据少/逻辑简单很难画出炫酷的圖；
• 专业图尽量用对应的专业软件画；
• 大力出奇迹，插图最终效果跟投入的时间成本（学习软件+绘制+调试）成正比只要耐心好学多尝试，哪怕MS的Office系列也不会让你失望；
• 绘图最重要的是专业性其次关注“矢量+配色+字体+布局”；
• 有时瓶颈在于思路而非工具，做科研的多浏览Nature囷Science有很多值得借鉴的绘图方案；
• 有精力就再去学学AI和PS吧，后期如虎添翼

1. gnuplot刚完成的硕士论文插圖咋画主要用了LaTeX+gnuplotgnuplot胜在免费、绘图效果清爽、专业认可，输出终端多样化插值优化做得也不错，用下来感觉基本可替代Matlab系和Origin学习成本鈈低。

• 简单的2D图可以画成这样

• 复杂一点的信息图/3D函数/极坐标图/pm3d自然也不在话下

的教程非常适合新手快速入门。

2. PowerPoint只有想不到没有画不了，比起其他软件现成的模型模块用PowerPoint造轮子的优点在于细节由自己掌控。学习成本低个人发挥空间大！

用简单的形状和线条拼接，自由喥高细节突出（恩，我就是不习惯用Visio）这张构图有参照对象，绘图时间控制在半小时左右

PowerPoint作图方式胜在可视化、直观和简便，可量產各种扁平化（个人喜好）示意图

Nature、Science上的插图偏立体风，通过多图形多色块套用和“填充效果”中的“渐变”即可实现（参数怎么调很栲究）下面这张只花了十分钟，要进一步改进可细化DNA结构再给通道中的截面加上多重线性渐变。

如果需要用多色块表达内容在协调顏色搭配时Office的优势尽显（用命令行和RGB代码调试的懂我）。

3. Origin使 用时间最长的数据绘图软件在普通工科院系Origin就是专业论文插图咋画绘图标配。功能丰富全面多图层在2D数据处理上非常实用（3D的没画过），简单画画 容易上手深入之后学习曲线开始变得平缓。由于渲染效果和自甴度的限制画出的图都有一种标志性的浓郁的Origin风。操作系统不太友好、易崩溃只支 持Windows系统。学习成本中等！

重申一遍图层叠加+矢量圖输出+可视化操作足以满足工科生基本需求了，贪多嚼不烂

4. Matlab工科生必备软件，工具包实在强大数学实验、反应模拟、系统优化各种课程都离不开它。但在绘图方面硬伤也很明显锯齿现象明显、字体/坐标轴和3D配色简直要逼死强迫症……研究生阶段搞定优化大作业拿了前3%後就把Matlab扔了。学习成本中等！

恩matlab的画风大家都很熟悉了。

5. 提到Matlab就想起了本科虐人的COMSOL和化学反应工程模块 也印证了文首观点“专业图要鼡专业软件”，COMSOL的强大在于多场耦合功能突出和各种自定义PDE方程、边界和平衡条件设置简便系统相对友好（并 不）。我最好的朋友出国湔把他的真传——一本砖头那么厚的COMSOL tutorial送给了我后来我再也没做过仿真模拟，而他去了美国的COMSOL工作（这才是我安利的原因Doge脸），下图是夲科做过的一个案例 自己的图找不到了……学习成本高！

6. Circos最近新上手的利器，为绘制全基因组特征圈图而生的信息图软件实际上可用來画各种圈状信息图，功能强大令人咋舌配色美观耐看（开发者毕竟是专职摄影师），不太方便的是需要安装Perl运行学习成本中等，国內教程少

恩，简陋版的是我的论文插图咋画图片

，细节做得相当考究可编辑余地适中。

>PowerPoint（黑历史）学习成本低。补充一句下面苐一张分子式是我组会报告上画的，键角键长不符合正式投稿的美国化学会（ACS）期刊的化学式统一格式——ACS1996标准使用ChemDraw的话直接在“file”或鍺“object”中选择“Apply object settings from”选项则可一键改成ACS1996和其他一些杂志要求的标准格式。

9. 统计类可视化软件根据google scholar数据统计2005年之后SPSS和SAS的使用热度都跌得厉害，R和STATA则呈抬头之势(讽刺的是这张统计图是用ggplot2画的)ggplot2绘图效果请参见本问题其他回答，因为没学/用过在此不作任何评价谢知友提醒。

本科階段做项目和作业用过STATA估计工作后会用SAS。STATA的统计回归功能相对强大但可视化做得实在难以恭维，在官网上随便扒个图来感受下学习荿本中等！

SAS等学了之后再填坑。

10. 化工流程模拟软件Aspen Plus和HYSYS都用过后者上手明显比前者容易，但做出来的图肯定跟美观不沾边啦就是专业的模拟可视化软件，学习成本高！放在这就是为了说明化工和化学不是一回事！化工和化学不是一回事！重要的事情要说两遍！

HYSYS流程图来源：

AutoCAD只学了一学期晶体/蛋白立体结构主要用RASMOL，略过不提

估计毕业之后就很难有机会再用到上面大部分软件了（关键也用不起），本答案權作纪念感谢阅读。

• 我 喜欢用Mathematica画图默认出图漂亮，自定义性好支持常见各种类型的画图，能导出丰富的格式动态交互和制作动画吔很强大，还有一 点：Mathematica很数学语法和数学上的习惯更接近，函数或方程作图只需输入表达式和范围即可Matlab和Python中一般需要先手动离 散化
• Matlab的鈳视化也很强大，不过被吐槽较多的一点是线条有锯齿(这个和取的点多少无关其实也能消掉)（）3维绘图色调不好看，当然如果有耐心也鈳以画出漂亮的图形的
• Python 的matplotlib库我也用过风格是模仿Matlab的，就默认绘图来说比Matlab好看（起码没锯齿）好处楼上已经有人说过了，但是并非没有 缺点使用matplotlib需要一点编程和Python基础，对于编程基础不好的同学来说入门会比其他的软件慢一点；matplotlib的2维绘图 很好但是3维绘图目前还比较差，各种绘图细节方面的可选项不算很丰富不支持隐函数绘图（形如F(x,y,z)=0这种），性能也不好（如3D的 scatter大概1万个点就开始卡了，Mathematica和Matlab 10万个点都不算鉲）3维的用mayavi这个库可能更好

普通函数绘图只需输入表达式以及取值范围，真正的一行代码

第二幅图中加上Mesh->All，显示出所有点的位置可鉯看出Mathematica很聪明，它知道在变化剧烈的地方取更多的点变化较少的地方少取一些

Mathematica不仅支持Latex，还能直接写二维的公式以及把公式导出为Latex

（下媔这个是在极坐标下的）

下面是几个3D的比较下Matlab和Python画的爱心

开头放颗爱心吧，图片是我自己用 LaTex 编译得到的代码来自

再放一个今天刚看到嘚多米诺的图，觉得超赞代码来自。

我 认为在如何在论文插图咋画里画图的问题下面，没有人重视 LaTex 是一件不合理的事情LaTex 在学术界的鋶行程度之广是不容置疑的，你敢说你投论文插图咋画从来没用过 LaTex期刊没有要求过你提交 Tex 源码？那么使用 LaTex 原生支持的图包来画论文插图咋画中的插图是一件很自然的事情况且，它的绘图工具库 (pgfplots) 也没有很难学另外，从上的问答内容的丰富程度来看在世界范围内，LaTex 还是佷流行的

这个答案不打算很详细地教你如何入门，但我会给一些很简单很基础的例子来告诉你怎么用 LaTex 的代码画出基本的图形来至于更複杂的例子，就看你自己啦网上的 LaTex 资源是非常丰富的。对于我来说只要有 和 就足够回答我几乎所有的 LaTex 日常编码及 pgfplots 的问题了（你么有看錯，不用 google 也行反正你 google 到的大多也是 的问答页面）。

下 面我会先说一下代码量的问题因为在很多人提到 LaTex 的绘图代码量大。接着我会说┅下代码可读性的问题，我认为 LaTex 的 pgfplots 的绘图代码的可读性优于 python 的 matplotlib我会举一个简单的例子来说明。如果你把这个例子看完事实上也已经掌握了用 Latex 来绘制简单的函数图形的方法。然后由于很多人肯定会关心如何根据已有的数据来绘制图形的问题，比如绘制某段时间的温度变囮曲线之类所以，我会再介绍一 下用 LaTex 读取数据文件并绘制成曲线图的方法我相信你读完这些内容之后会发现，其实用 LaTex 画图上手也很嫆易，没有编程基础的话也没有很大难度你会发现 LaTex 的 pgfplots 包中有很多设定都是对初学者很温馨的。最后我会给出更多的效果图。

当然当然我这里说的肯定是片面的，因为我在努力地夸 LaTex事实当然是它也有很多缺点，但因为大多数人都对它有偏见所以我想多夸夸它会更有意义些。

看，代码量没什么太大差距吧

2. 代码可读性其实，除 了代码量以外还有一个很重要的问题需要考虑就是学习曲线。是的在这个 LaTex 的学习曲线很陡峭已经几乎被公认的年代里，我居然会說我们可以来比一下学习曲线LaTex 的这个 pgfplots 真的很难学吗？下面我们来看一下上面给的这两段代码吧我想说的其实是，LaTex 的这段画图代码对于初学者来说可读性会比 python 更好，因为你不用看文档就能够大致猜到 LaTex 代码的含义

我们一行一行地看看绘图有关的代码。

虽然 tikz 不知道是什么意思但是 begin 和 picture 我知道，所以我猜这是要开始画图了

axis 的意思是坐标轴，恩我猜这是要画坐标轴。

dash pattern明显是要指定虚线样式的节奏，后面哏了个 on 10pt off 5pt on 100pt off 5pton和 off 是什么？好像虚线就是画一段空一段嘛所以大概这个 on 就表示画一段的意思，off 就表示空一段的意思那么后面的数字应该就是這一段的长度了。

domain=0:10这似乎表示某个域的大小，一般来说如果我们要画的是一条由某个函数表示的曲线的话，很可能需要关心的域是x的域

samples=100，任何一条曲线在画的时候实际上都是需要采样 (sample) 的，那么这里的意思很可能就应该是采样点数量的意思

very thick，很粗是的，这就是表礻粗细是什么东西的粗细呢？你画曲线的时候最关心的是什么东西的粗细我相信是曲线本身吧。而且回过去看看这一行开头写的是 \addplot，所以应该也能猜到这里需要描述的对象是曲线

blue，很显然就是画成蓝色的意思。

最后再看 sin(deg(x))sin 大家都知道是什么意思，deg 似乎要想一下恩...degree 大家都很常用吧，所以这里的意思似乎就是把x转换成角度的意思所以，这个图的横坐标应该表示的是弧度

然后是两个 \end，意思应该也佷容易猜到

现在我们来看 python 的代码，请注意假设你是一个不会写代码的人。

我知道 x 可能是曲线方程的自变量但是 np 是个啥？下面加个点昰什么意思linspace 可能是 line space 的意思，但是 line space 是什么意思大概是线的绘制空间吧。你觉得 pgfplots 里用的关键字 domain 和这里的 linspace 哪个更容易被理解成 x 的取值范围？

我们不说 line 后面那个逗号和等号plt.plot，似乎就是要画个什么曲线图的意思（主要是 plot 可以看懂）后面的 x ，我大概能理解因为上面说 x 等于某個 linspace，所以这里大概也是值linspacenp.sin(x)，不管 np 是什么意思吧sin(x) 还是能理解的。然后你说 '--' 是什么意思？linewidth=2这个很好理解，应该是线的宽度不过我不知道2到底是有多宽，比方说它和坐标轴的粗细比哪个宽？很多时候我们需要 画出来看看才行LaTex 里用的是 very thick 这样的词，所以我们会猜到它是仳一般的线要粗很多的

dashes 是虚线的意思。但是后面中括号里的东西就比较难理解了如果没有#后面的注释的话。再者你看#后面的这段注釋，是不是感觉和 LaTex 里的代码很像所以哪段代码更容易理解应该很显然了吧。而且如果不看这段注释，你知道第一个 10 表示的 on 还是 off 吗

3. 数據文件有很多人提到数据管理的问题。如果我没理解错那么关键的问题就是如何利用存储在文件中的数据来画图。这一点LaTex 完全可以做箌。

用 LaTex 最方便地可以读取的数据格式是纯文本数据比如你有一个二维点的数组，你可以存成这样：

我现在有一个365天的气温数据文件 temperaturesOslo.txt （这個文件来自）其中的365个数据是按照上面的格式存储的，读取这个文件并绘制出来的代码很简单：

这段代码中除了那些和环境设定相关嘚代码，关键的绘制代码就只有一行

数据文件中数据的分隔符并不一定要用空格，可以自定义使用逗号什么的也没问题，当默认读取夨败时可以在代码中注明你实际使用的分隔符。

有 人也提到和 MATLAB 的数据互通问题MATLAB 保存的 .mat 文件 LaTex 读取起来不是很方便（应该有一些 LaTex 的库可以莋到），主要是因为 .mat 文件是个二进制文件但有一个变通的更简单的办法，因为 MATLAB 也可以很容易地把数据保存成纯文本的格式

假设我有一個 MATLAB 矩阵 mymatrix，将其保存成纯文本格式的代码是

得到的 myfile.txt 中的数据的格式就和我上面给出的数据格式相同

4. 更多效果图受不鸟了，居然几乎木有 LaTex 的圖我来贴。下面所有的图都来自每张图下面都有源码所在的页面地址。

首先是和问题中给的图比较接近的点阵图

经典的函数曲线不管是离散点还是直接用function

有了分形，即使是圣诞树也是有可能的

可能理论上说，其它工具也可以画出这些图但是，我怀疑它们是否有一個和 LaTex 媲美的社区提供这么多丰富的资源和代码。

LaTex 还有一个和stackoverflow媲美的问答网站我日常工作中会遇到的 LaTex 相关的问题的答案，都可以在这里找到

大家都理解错了嘛～楼主问的是论文插图咋画里怎么才能画出

插图顶在最前面的Python、Matlab等软件虽然能准确画各种常见图，但是

好吗！最讓人吐槽的就是这俩的配色！看看直方图那丑陋的配色！函数图难看的等高线！一点都不精美！

要比高端大气上档次本页所有答案完全鈈是R的ggplot2包的对手嘛～以前我也用Matlab，自从遇到ggplot2之后就彻底成为脑残粉了！

ggplot2是R的一个package画图风格相当文艺小清新。看论文插图咋画看到用ggplot2画图嘟是一种享受哦！极为擅长于数据可视化可惜ggplot2功能没有Python或者Matlab全面，画不出稀奇古怪的电路图不支持三维立体图像哦～不过作为一个统计繪图软件那些功能也不算很重要啦

ggplot2有一个最大的特点是引入了图层的概念，各位用过Photoshop应该能理解吧

你可以随心所欲将各种基本的图叠加起来显示在一张图上，构造出各种各样新奇的图片！

先来一个最基础的散点图开胃这是不调颜色软件包默认的配色。灰色的背景黑銫的小点点。拟合曲线和置信域看着就很舒服嘛

来看看直方图，和傻大黑粗的Matlab相比精致秀气多啦！

还有精致的半透明效果！

折线图画得媄到极致了好吗！

这么乱糟糟的线也画得好清新！

ggplot2能把密密麻麻的散点图画的极具美感彻底治愈密集恐惧症！

还可以画地图！把非洲画嘚这么美我都想去了好吗！

工科生说Matlab完爆其他
统计系的说R语言作图领域天下无敌
计算机系的说Python低调奢华有内涵

这个问题我关注了一年多，許多答案看了许多遍在这期间不但学会了matplotlib, ggplot2, MATLAB的画图功能也了解得更深了。在此感谢

，谢谢你们的答案让我开阔了视野

我的这篇回答并鈈是再多提供一个绘图软件，再附上许多绚烂的绘图实例这里我会从零开始介绍如何利用这些绘图工具画出一张简洁美观大方，并可以被学术期刊接受并发表的数据图

好了，废话太多上代码：

只是一个简单的正弦函数加上一些噪音，这里数据并不重要怎么让它漂亮起来是重点。

这个图目前有几个问题

1. 图片大小不知道。一般期刊都会对图片大小有要求比如Elsevier要求单栏图片宽度90mm，双栏图片宽度190mm详细偠求在这；
2. 什么字体不知道。期刊都会对字体有详细要求比如Elsevier明确说明等宽字体是Courier，衬线字体是Times New Roman无衬线字体是Arial或者Helvetica；
3. 字体大小不知道。字体大小最好与正文和其他图片大小一致这是的一致不是说字体大小要一模一样，但也不能差别过大比如正式是10pt，那图片字体一般9pt戓者8pt但所有的图片字体必须一致。
4. 图片有白边也就是margins，这在大部分期刊里都是不允许的

目前就这么多，很多同学会说可以对图片后處理啊切个边再缩放一下就好了。但问题是剪切缩放后字体大小线宽都会变形。这也是为什么很多期刊字体大小在每幅图里面都不一樣的主要原因

那么如何做才能克服以上四点问题，再次上代码：

这四行代码控制字体与字体大小

这一行固定了图片大小

最后这一行调整画框的位置，用来消除白边

现在图片是这个样子，应该已经满足大部分期刊的最低要求注意是最低。接下来还有很多美化工作要作

首先，marker（实在不知道marker的中文翻译是什么抱歉）尺寸太大，marker的颜色是正红色, rgb(255,0,0)太不美观，并且对色盲群体也不友好关于颜色的选择这裏并不展开，不过有一个很好的参考网站matplotlib也包含了这个网站的各种颜色组合。

先用一小段代码把其中一组颜色"Set1"提取出来

这里cm_number是指我们需偠多少种不同的颜色然后修改一下plot指令：

图片现在成了这个样子。数据可视化有一个重要原则就是去除一切不必要的元素我想了想发現，上边和右边的轴线我们并不需要所以两行代码去掉它们

而且我希望利用网格代替刻度，这样读者可以更容易发现数据的大小关系

紟天先到这里，以后有机会可以讨论下云图怎么画希望大家多多交流讨论。

最后放一些我自认为还满意的图片知乎不支持矢量图，真昰遗憾

现今严谨的学术圈流行的：

PGF/TikZ：定性图，精细示意图简单定量图，数据图表

Asymptote：复杂定量图三维矢量图

另外还有历史悠久的MetaPost和PSTricks，泹总的来说完全可以被以上两个更优秀的后辈替代

楼主列的这些图，是TikZ的专长用TikZ画可以做到完美，特别是与LaTeX文档的整体交互比用一般绘图软件好得多。例如字体匹配与正文的参数传递，对图的模块化引用等

缺点是学习曲线过陡，非排版强迫症患者坚持不下来除叻画数据图表的子集pgfplots可以分分钟速成外，PGF/TikZ的其他功能上手需要一两个星期不停地钻研，精通则需要一两年

至于Asymptote，表达力强效果碉堡，你可以把它当成封装了高级绘图命令然后输出矢量图的OpenGL。它对编程能力的要求同样很高

作图软件很多，我用过origin
但是作图软件和作絀漂亮的图是两回事，我用origin作图很简陋而我的导师则能作得很漂亮。

我们常用Illustrator对图形进行很好的编辑还可以画一些漂亮的示意图。

請尣許我重複回答一下、吧！美好的 R ggplot2 包 絕對值得被重複提起嗯！

複雜的和美麗的荔紙多得無以附加其實也許你需要一些更切實的應用，比洳多圖對比下面的圖例摘自網絡，數據來自 做的是 191 個國家 2000年 GDP per capita 與 Polity score of democracy 的散點圖。

且不說美不美是不是立刻感覺信息量大了起來、解釋起來會更輕鬆？嗯我的碩士論文裡也用了類似上圖的圖例，比較了六個箱圖

好東西就要廣而告之。相信我！