科研图形的首要任务是准确表达数据和不确定性，而不是装饰结果。自动制图可加速探索与排版，但默认设置可能隐藏分布、夸大差异或使用不合适的聚合。生成式图像不能替代实验图像或未获得的数据。
适合使用这个工作流的情况
- 探索分布、关系、时间或空间结构
- 制作论文、报告和演示图表
- 建立随数据更新的可重复制图流程
建议执行步骤
- 01
确定比较任务
先写清图形要支持的判断：比较分布、展示趋势、解释结构还是表达不确定性。一个图最好承担一个主要任务。
- 02
匹配视觉编码
依据变量类型和测量尺度选择位置、长度、颜色或形状，谨慎使用截断轴、面积和三维效果。
- 03
展示数据与不确定性
可行时呈现观测点、样本量、分布和适当区间，说明误差条、聚合、归一化和统计处理。
- 04
可复现地制作并检查
优先从数据和代码生成正式图表，记录变换与导出参数；检查色觉可访问性、字号、单位、图注和数值一致性。
质量控制问题
- 坐标、面积或颜色是否夸大差异
- 样本量、聚合和误差定义是否清楚
- 图形能否从数据重新生成
- 生成素材是否可能被误解为观测结果
预期输出输出应能被正确解读、追溯到数据并重复生成。