Jakie atrybuty sprawiają, że postać jest „profesjonalnej jakości”?

Słyszałem, jak ludzie mówią, że działki produkowane przez ORIGIN wyglądają na bardziej dopracowane i „profesjonalne”, podczas gdy działki produkowane przez Mathematica nie. Jednak większość programów do tworzenia wykresów jest dość konfigurowalna i ma to uzasadnienie, że przy odpowiednich ustawieniach takich rzeczy, jak lokalizacja znaczników i etykietowanie, wybór czcionek i kolorów, wyrównanie etykiet itp., Powinienem być w stanie zrobić rysunek z Mathematica / matplotlib / Gnuplot / etc. wygląda tak dobrze, jak te pochodzące z POCHODZENIA. Ale co to znaczy, że postać jest „profesjonalna” w tym kontekście?

Innymi słowy, jeśli moim celem jest stworzenie najlepiej wyglądających liczb możliwych do włączenia do publikacji naukowej, jakie wybory projektowe są ogólnie zalecane w odniesieniu do tego celu? Oczywiście należy wybrać odpowiedni rodzaj wykresu, np. Wykres słupkowy vs. wykres rozproszenia i skala liniowa vs. logarytmiczna, ale są to wybory, o których zawsze myślimy bez względu na to, jakiego programu do drukowania używamy. Bardziej interesują mnie rzeczy, o których zwykle nie myślimy, które są zwykle ustawione zgodnie z domyślnymi ustawieniami niektórych programów drukujących, ale które można zmienić, aby poprawić wygląd wykresu.

IMO, co czyni cyfrę „profesjonalną jakością”, jest określone przez zasady czasopisma / wydawcy. Co faktycznie przekłada się na „jakość publikacji”, która jest względna w zależności od tego, gdzie publikujesz. Niektóre uniwersalne reguły wydają się wyróżniać - niezmiennie w stosunku do używanego oprogramowania do drukowania:

1) Rysunek powinien zawierać jak najmniej elementów wymaganych do przekazania informacji / pomysłu / argumentu. Liczbę należy łatwo odczytać / zrozumieć w ciągu kilku sekund - jeśli zrozumienie tego, co się dzieje, zajmie ci więcej czasu, może to oznaczać zbyt wiele informacji. Czasami jest to trudne do sprawdzenia, ponieważ znasz własną fabułę / dane - bez względu na to, jak bardzo są obciążone - pokazanie go kilku współpracownikom, aby sprawdzić, czy mogą je łatwo odczytać, pomaga. (nie mylić ze zrozumieniem fizycznego znaczenia postaci - zwykle zajmuje to sporo czasu).

2) Jeśli musisz użyć kolorów, najlepiej ograniczyć się do kilku, najlepiej po przeciwnej stronie koła kolorów. Np. Niebieski i czerwony jest lepszy niż niebieski i zielony. Postać może mieć wiele odcieni - ale najlepiej mieć kilka głównych kolorów. Często lubię używać niebieskiego (niskie wartości) i czerwonego (wysokie wartości) z białym przejściem pomiędzy nimi. Zawsze miej na uwadze czytelników nieświadomych kolorów.

3) Znaczniki, etykiety konturów itp. Powinny być łatwo czytelne bez lupy - więc rozmiar czcionki podobny do tekstu dziennika. Możesz sprawdzić, czy wszystko jest czytelne, drukując wydruk w formacie o szerokości od 3 do 6 cali (są to popularne rozmiary rysunków w czasopismach naukowych).

4) Na koniec upewnij się, że każdy element figury ma swój cel. Jeśli jest coś, co nie przekazuje użytecznych informacji - wyrzuć je. Pomoże to w czytelności rysunku.

W miejscu, w którym czujesz się komfortowo, dostosowując wszystkie małe elementy, które tworzą figurę - znaczniki, etykiety itp., Tak naprawdę nie ma znaczenia, którego narzędzia używasz, dopóki jesteś w stanie wygenerować czyste eps.

Jest kilka elementów, których szukam, gdy rozważam coś „jakości publikacji” w mojej własnej pracy lub to, co rozważam, patrząc na innych. Oni są:

1. Wysoka rozdzielczość, najlepiej oparta na wektorze. Ten powinien być już dość oczywisty, ale byłbyś zaskoczony.
2. Brak bałaganu. Powinienem być w stanie zobaczyć, co dzieje się na twojej figurze i zobaczyć to szybko. Jest kilka rzeczy, których nienawidzę bardziej niż kogoś, kto próbuje skorzystać z przewodnika „Wysoki stosunek atramentu do papieru” i użyć go, aby wcisnąć cały rękopis w jedną postać.
3. Drukuje dobrze. Ten jest dla mnie najważniejszy, a kiedy recenzuję artykuły, zawsze je testuję. „Czy liczby są drukowane?” Niejednokrotnie trafiałem w postaci, których punkty są całkowicie zaciemnione, gdy są drukowane w skali szarości, co czyni je bezwartościowymi dla moich celów (nie czytam na ekranach).
4. Dowód, że twórca wie, jak korzystać z ustawień grafiki. Brak wyboru osi nieparzystej kuli, znaczniki w odpowiednim miejscu itp.
5. W połączeniu z numerem 2 brak „rozkwitu”, który ma charakter całkowicie graficzny. Cienie, niepotrzebne trójwymiarowości itp., Które naprawdę nie robią nic, tylko marnują czas czytelników.

Większość z nich jest ściśle zależna od twórcy, a nie od programu. Widziałem straszne wykresy wykonane w R i doskonałe wykresy wykonane w Excelu.

Jeśli mówimy o danych liczbowych, przejdę do źródeł: Edwarda Tufte'a Wizualne wyświetlanie informacji jakościowych i piękne dowody .

Pan Tufte oczywiście zagłębia się w pewne szczegóły, ale zasada, która mnie wyróżnia, to nie wydawanie atramentu na ramki i dekoracje, ale zamiast tego, aby jak najwięcej atramentu niosło informacje.

Zmieniono na wniosek Marka:

Niektóre główne punkty z wizualizacją informacje jakościowe są

• wyświetlać dane w sposób, który nie zniekształca ani nie zaciemnia tego, co ma do powiedzenia
• rozmieszczaj wyświetlacze, aby umożliwić porównanie różnych danych na różnych poziomach
• zintegrować aspekty graficzne z opisami statystycznymi i ustnymi
• zmaksymalizować stosunek danych do atramentu, usuwając elementy, które nie służą żadnemu celowi (lub stają się zbędne przez inne elementy) i wykorzystuj dostępne elementy, aby przekazać dodatkowe informacje (na przykład osie, które są wariantami na wykresie pudełkowym)
• małe wielokrotności mogą być użyte do ułożenia wyższych zestawów danych, aby umożliwić porównanie wzdłuż tych dodatkowych wymiarów

Beautiful Evidence to książka o szerszym zakresie. Po prostu odtworzę tytuły rozdziałów:

• Mapowane obrazy: obrazy jako dowód i wyjaśnienie
• Wykresy przebiegu w czasie: intensywna, prosta, dopasowana do słów grafika
• Linki i strzałki przyczynowe: niejednoznaczność w działaniu
• Słowa, liczby, obrazy - razem
• Podstawowe zasady projektowania analitycznego
• Korupcja w prezentacjach dowodowych: skutki bez przyczyn, zbieranie wiśni, nadmierne sięganie, chartjunk i wściekłość na zakończenie
• Styl poznawczy PowerPoint: Rozbijanie się w obrębie korupcji
• Rzeźbione cokoły: znaczenie, praktyka, depestestalizacja
• Rzeźby krajobrazowe

Jedną z interesujących obserwacji w Beautiful Evidence jest to, że generalnie używamy urządzeń wyjściowych o wysokiej gęstości (drukarka 300 DPI jest obecnie urządzeniem o niskiej gęstości) do materiałów drukowanych, ale często rysujemy nasze dane na drukarce ekranowej lub liniowej, co marnuje ogromny potencjał do przekazywania informacji.

Najlepsze dane, jakie udało mi się stworzyć osobiście, to pakiet TeX PGF / TikZ . Jeśli korzystasz z LaTex, jak wielu w naukach ścisłych, prawdopodobnie już o nim słyszałeś.

Wydaje się również być liderem w pakietach graficznych LaTex. Znaczna część pytań na stronie TeX StackExchange dotyczy PGF / TikZ. Nie jestem pewien, dlaczego wyniki są tak dobre, ale z pewnością jedną z zalet PGF / TikZ w porównaniu z innymi pakietami podczas korzystania z LaTeX jest to, że po prostu lepiej integruje się z tekstem. Po pierwsze, czcionki na rysunku będą takie same jak w tekście.

Prawie łatwiej jest scharakteryzować, co stanowi zły wykres, niż to, co czyni wykres dobrym.

Niektóre cechy złych wykresów:

• Zbyt duże lub małe czcionki i symbole
• Zbyt cienkie lub grube linie dla krzywych i innych cech wykresu
• Zbyt wiele różnych zmiennych jest pokazywanych lub zmienianych jednocześnie
• Nieprawidłowy wybór osi (log kontra liniowy, zakres itp.)
• Pokazywanie trendów między punktami danych za pomocą ciągłych krzywych wskazujących progresje lub zachowanie, które mogą nie istnieć
• Nie wskazując wielkości niepewności lub błędów
• Źle podpisane lub oznaczone wykresy (w tym jednostki!)

Ogólnie jednak, podczas gdy większość pakietów oprogramowania jest w stanie tworzyć dobrą grafikę, prawie żaden program, w którym nigdy nie pracowałem, domyślnie jest w stanie, który produkuje dobrą grafikę. Zawsze wymagają ulepszenia: albo rozmiarów czcionek, albo zakresów wyświetlania, albo osi albo wyboru symboli i tak dalej. Obecnie wolę używać matplotlib; inni w mojej grupie przeprowadzili migrację do SciDavis.

Miałem spory sukces, używając pakietu Mathematica LevelScheme . Jego model wykonania różni się nieznacznie od tradycyjnego programowania Mathematica, więc z jego użyciem wiąże się krzywa uczenia się. Ale jest w stanie zapewnić dokładną kontrolę nad generowaniem wykresów, co jest trudne w zwykłej matematyce. Ponadto, jako pakiet boczny, istnieje pakiet do generowania niestandardowych znaczników.

(Gdy pojawi się wersja z obsługą Mathematica v.8, zostanie przemianowana na SciDraw.)