第 38 课：图表制作与正文嵌入

🎯 核心实操目标

通关要求：把 SPSS/Jamovi 默认输出的"土味图表"升级为符合 Nature/Science 子刊水准的学术配图。本课你将掌握三类核心学术图表的规范（概念模型图/统计结果图/三线表），学会用 AI + Python/R 让丑图变美图，同时建立正文图表交叉引用与编号规范。

📋 课前准备（5 分钟自检）

工具/账号

[ ] PowerPoint 或 Keynote（概念模型图绘制）
[ ] Jamovi / SPSS（统计图直出）
[ ] Python + Seaborn / matplotlib（进阶轨：高质量统计图）
[ ] Excel（三线表精修）
[ ] AI 平台：Gemini 2.5（可解读图表）或 Claude 4.7

数据/素材

[ ] 你的统计输出（来自第 25–29 课的回归/中介分析）
[ ] 你的概念模型（理论框架图，可手绘草稿）
[ ] 目标期刊的图表规范文档

应急通道

Python 配色调不出来 → 让 AI 直接生成 Seaborn 代码
学校无 PowerPoint → 用免费 Google Slides 或 LibreOffice Impress
三线表格式不会 → 用 Word 表格 → 右键 → 边框 → 仅留上下两条 + 表头下方一条

场景痛点破冰：审稿人的时间永远只给最美的颜料

"你和隔壁同学同一天投了类似选题。你写了 3 万字扎实分析，但图表全是 SPSS 拉出来的深红底黑框土图。他只写了一半字数，但第 3 页有一幅极光紫蓝渐变的关联热力网络图—— 主编一眼觉得他课题"有钱有底气"，先送审给他。
在 AI 时代，制作这种价值数千元的发刊配图，只需要一句大白话调用。"

🗺️ 架构重组：学术图表三大金标准

标准	要求
分辨率	≥ 300 DPI（投稿要求；网络出版 ≥ 150 DPI）
黑白友好	即使打印为黑白也能清晰区分（不能只靠颜色区分类别）
字号	图内字号 ≥ 8pt（缩印后仍可读）
图注完整	图下方注明：图编号、标题、数据来源、显著性符号说明
三线表规范	仅 3 条横线：表顶 / 表头下 / 表底；无竖线

🚀 拆解实战 A：概念模型图（PowerPoint）

学术论文的"标志性图 1"——展示你的研究模型。

标准元素：

长方形 = 变量（自变量/因变量/中介/调节）
实线箭头 = 假设的影响路径（H1/H2/...）
虚线箭头 = 调节作用
文字标注 = 假设编号（H1+ 表示正向预测）

操作步骤：

打开 PowerPoint → 插入 → 形状 → 圆角矩形
拖出 4–6 个变量框，按"自变量 → 中介 → 因变量"水平排列
加箭头连接：实线表示主路径，标注 H1/H2
调节变量在路径上方虚线下连
字体统一为 Times New Roman 12pt 或微软雅黑 12pt
全选 → 右键 → 另存为图片（PNG，DPI 300）

🚀 拆解实战 B：统计图美化（核心 Prompt）

Nature 级配色 Seaborn Prompt (一键复制)

markdown

【Role】你是一位精通学术数据可视化的 Python/Seaborn 专家。

【任务】我跑出了下面这份相关矩阵数据(粘贴 CSV 或 DataFrame),
请生成一段可直接运行的 Python 代码,把它画成 Nature 子刊水准的相关性热力图。

【美学规范】
1. **配色**: 使用 'coolwarm' 或 'RdBu_r' 发散调色板(冷色负相关,暖色正相关)
2. **样式**: theme_minimal / sns.set_style('whitegrid'); 无灰底纹
3. **数值标注**: 在每个单元格显示相关系数(保留 2 位小数), p < .05 加 *
4. **字体**: 全图统一 Times New Roman, 标题 12pt, 数值 9pt
5. **色条**: 右侧色条加圆角边框, 标注"Pearson r"
6. **分辨率**: dpi=300, 保存为 PDF + PNG 双格式

【输出要求】完整可运行代码 + 注释说明每段的功能
[在此处粘贴你的相关矩阵数据]

你应该得到的样例代码

python

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# 设置 Nature 级样式
sns.set_style('whitegrid')
plt.rcParams['font.family'] = 'Times New Roman'
plt.rcParams['font.size'] = 11

# 你的数据
corr_matrix = pd.read_csv('correlations.csv', index_col=0)

# 画热力图
fig, ax = plt.subplots(figsize=(8, 6), dpi=300)
sns.heatmap(corr_matrix,
            annot=True, fmt='.2f',
            cmap='coolwarm', vmin=-1, vmax=1,
            center=0,
            square=True,
            linewidths=0.5,
            cbar_kws={'shrink': 0.8, 'label': 'Pearson r'})
plt.title('Figure 2. Correlation Matrix of Key Variables',
          fontsize=12, pad=15)
plt.tight_layout()
plt.savefig('fig2_corr.pdf', dpi=300, bbox_inches='tight')
plt.savefig('fig2_corr.png', dpi=300, bbox_inches='tight')
plt.show()

🚀 拆解实战 C：三线表规范（学术表格的唯一格式）

学术期刊严格要求三线表：仅三条横线，无竖线，简洁专业。

═══════════════════════════════════════════
 变量          M      SD     1      2      3
───────────────────────────────────────────
 1. AI 焦虑   3.21   0.78    —
 2. 学习策略  3.85   0.65  -.34**   —
 3. 自我效能  3.92   0.70  -.41**  .52**   —
───────────────────────────────────────────
 注: N = 500. **p < .01, *p < .05.
═══════════════════════════════════════════

Word 制作步骤：

插入表格 → 选中整表 → 右键 → 表格属性 → 边框和底纹
全部去掉 → 单独添加：顶线（粗） + 表头下方（细） + 表底（粗）
无竖线
表注放在表下方，小一号字体，左对齐

🚀 拆解实战 D：正文中嵌入图表的规范

规范	写法
图表位置	紧跟第一次引用的段落之后（不要全部堆在文章末尾）
文中引用	"如表 1 所示..."、"见图 2"，不写"如下表所示"
编号顺序	表 1 / 表 2 / 表 3 按出现顺序编；图独立编号
图注位置	图注在图下方；表注在表下方；表标题在表上方
跨页处理	Word 表格属性中勾选"允许跨页断行"，标题与表格连贯

📦 本课交付物（提交给 AI 初审/讲师抽检）

[ ] 概念模型图（PNG/PDF，300 DPI）：含变量框 + 假设箭头 + 编号标注
[ ] 统计结果图（至少 1 张）：相关矩阵热力图 / 中介路径图 / 回归森林图任选
[ ] 三线表（至少 2 张）：描述统计表 + 回归结果表
[ ] 图表清单：列出本文所有图表的编号、标题、所在页码

🏁 小结与自测 (Milestone Checklist)

[ ] 我的所有图表都符合三大金标准：≥300 DPI / 黑白友好 / 字号 ≥ 8pt
[ ] 我的概念模型图清晰展示自变量→中介→因变量路径与假设编号
[ ] 我的统计图用 Seaborn 或 ggplot2 替代了 SPSS 默认丑图
[ ] 我的所有表格都是三线表（无竖线 + 仅 3 条横线）
[ ] 我的图注在图下方，表注在表下方，表标题在表上方
[ ] 正文中每个图表都被引用至少 1 次（无"孤儿图表"）
[ ] 图表编号按文中出现顺序，跨页表格有标题重复

第 38 课：图表制作与正文嵌入 ​

📋 课前准备（5 分钟自检） ​

工具/账号 ​

数据/素材 ​

应急通道 ​

场景痛点破冰：审稿人的时间永远只给最美的颜料 ​

🗺️ 架构重组：学术图表三大金标准 ​

🚀 拆解实战 A：概念模型图（PowerPoint） ​

🚀 拆解实战 B：统计图美化（核心 Prompt） ​

你应该得到的样例代码 ​

🚀 拆解实战 C：三线表规范（学术表格的唯一格式） ​

🚀 拆解实战 D：正文中嵌入图表的规范 ​

📦 本课交付物（提交给 AI 初审/讲师抽检） ​

🏁 小结与自测 (Milestone Checklist) ​