何谓图？何谓表？论文中的图表轻松搞定（2）！

今天InVisor芳老师给你们来个Figure大轰炸～

大家在中学阶段肯定都学过那些各种各样的图：条形图、饼状图、散点图…..画图高手、解题高手就是你们没错了！但是你们现在有了新的目标，作为一个学术论文的作者，如何在论文中合理使用这些图呢？温故而知新！咱们今天把中学的那些概念再品味一番，看看能不能解出什么新意！

1. 图形（Figure）

图形可以采用多种形式。它们可以是图形，图表，照片，绘图或地图。根据你的目的并运用常识（不仅要作为一个写作者，同时也要用读者的眼光审视自己！）选择最有效的图形来传达要点。如果你希望读者了解空间关系，则地图或照片可能是最佳选择。如果要说明比例，饼状图或条形图是首选。如果要说明两个变量之间的关系，请尝试折线图或散点图。图形的类型虽然多样，但它们具有相似的组成部分：标题，图像本身以及任何必要的上下文信息（根据你使用的图形类型而有所不同）。

2. 说明文字（Caption）

图形要有相应的编号，后跟描述性的说明文字（Caption）或标题（Title）。说明文字应简洁明了且全面。这很考验作者的功力（每一个科研工作者其实都是文字大师）！它们应该描述所显示的数据，提示注意图中包含的重要部分，并且有时可能还包括对数据的解释。图形通常是从下至上阅读的，因此标题相应地位于数字下方并向左对齐。

3. 图形的特点

图形最突出的特点就是简单直观。我们作为贴心的作者，当然应该选择让观看者可以清晰快速地掌握和理解的图形啦。这时候我们要换位思考，站在读者的角度审视图片的大小，分辨率，颜色以及图片的重要部分是否足够突出。人物应足够大且具有足够的分辨率，以使观看者在不疲劳的情况下看到细节（没错，请上原图！）。

另外，如果你的论文写出来是想发表出来的话（有谁不想呢～不过想的朋友可以联系InVisor家小客服invisor001），那还得再多想一层哦！一定要搞清楚你的论文最终采用的格式。期刊通常以黑白出版，因此任何以颜色编码的信息都不会传递给读者的！不过对于在网络上发布的论文或PPT，颜色可能是不错的选择。无论如何，使用诸如颜色，线条和图案之类的图形元素可不是为了花花绿绿的好看，而是出于论文的展示的效果来考虑的。

4. 附加信息

图形需在标题前编号；注意：表格和图形的编号是相互独立的。另外，请确保向观众交代清楚其他上下文信息：对于图形，这可能包括标签，说明符号的图例以及垂直或水平刻度线。对于地图需要包括比例尺和向北的箭头。

5. 图形使用方法小结：

A. 将图形放在页面中心。

B. 使用数字编号和适当的描述性标题标记（在图形下方），只要你可以做到保持一致，将Figure 1 缩写为 Fig 1也是可行的。

C. 按照图形在文本中出现的顺序编号。

D. 按照图形在文本中出现的顺序进行引用。

E. 与文本分开；文字不要围绕在图形四周。（p.s. 没有好的设计感的话，排版会丑死的！）

6. 图表（Graph）

图表是图形，而图形却不一定是图表。图表是一组特定的图形，显示变量之间的定量关系。（前方单词高能预警！）一些最常见的图形包括条形图（Bar Chart），频率直方图（Frequency Histogram），饼状图（Pie Chart），散点图（Scatter Plot）和折线图（Line Graph）。它们中的每一个都以不同的方式显示数据集内和数据集之间的趋势或关系。你需要为数据以及你想显示的关系仔细选择最佳的图表。下面提供了一些常见的图表类型。

请记住，图表的主要目标是交流。如果读者无法直观地解读你的图形，好好反思一波！

7. 饼状图（Pie Chart）

饼状图用于显示相对比例，尤其是多个部分与整体的关系。仅当饼状图的各个部分是互斥类别并且各部分的总和加起来是有意义的整体（某物的100％）时，我们才使用饼状图。饼状图可以让某些占比很高或很低的类别非常明显，这是它的优势。但是，如果你希望读者识别数据中的细微差别，那饼状图就真的不是你的那块饼啦。

Invisor芳老师觉得我们人类并不是很擅长比较角度。不过我们在比较长度方面要好得多，因此可以尝试使用条形图作为显示相对比例的替代方法。此外，具有许多小块或大小部分差异非常大的饼状图很难阅读，因此请把饼状图的饼块限制在5-7个类别中！

那些失败的饼状图（注意观察饼状图的内容，有彩蛋哦）

眼力怎么样，发现彩蛋了吗？

8. 条形图（Bar Chart）

条形图也用于显示比例。它们尤其对于显示自变量（离散的）和因变量之间的关系很有用。条形图可以是垂直或水平的。在垂直条形图中，自变量在x轴上（从左到右）显示，因变量在y轴上（上和下）显示。在水平图中，因变量将在水平（x）轴上显示，而独立变量将在垂直（y）轴上显示。图的比例和原点应该有意义。如果因变量（数字）具有自然零点，则通常将其用作条形图的起点。但是，零并不总是最佳选择。我们可别偷懒，多试几种起源和比例，以最好地显示数据中的相关趋势，而不会在趋势的强度或程度方面误导观看者。

9. 频率直方图（Frequency Histogram）

频率直方图是一种特殊的条形图，它显示自变量和因变量之间的关系，其中自变量是连续的，而不是离散的。这意味着每个条形图代表一个值的范围，而不是单个观察值。直方图中的因变量始终是数字，但可以是绝对的（计数）或相对的（百分比）。频率直方图可很好地描述人口-例如，包括班级学生的考试成绩分布或居住在广州的人的年龄分布。你可以尝试使用条形范围（Bar ranges，也称为“Bins”），但是每个范围应具有统一的宽度并清楚地标记。

10. XY散点图（Frequency Histogram）

散点图是说明两个变量之间关系的另一种方法。在这种情况下，数据将显示为xy坐标系中的点，其中每个点代表沿两个变化轴的一个观测值。通常，散点图用于说明两个变量之间的相关性-当一个变量增加时，另一个变量增加（正相关）或减少（负相关）。

但是，相关性并不一定意味着一个变量的变化会导致另一个变量的变化。例如，第三个未绘制的变量可能同时导致了这两个原因。换句话说，散点图可以用于绘制一个自变量和一个因变量，或者它们可以用于绘制两个自变量。如果一个变量依赖于另一个变量（例如，高度部分取决于年龄），则在水平（x）轴上绘制自变量，而在垂直（y）轴上绘制因变量。除相关性（线性关系）外，散点图还可用于绘制变量之间的非线性关系。