Community影像github.com

研究圖表與地圖

規劃、編寫腳本並檢查出版用圖表與地圖,適用於流域、水質、農業與糧食系統論文,包含水文歷線、流量歷時曲線、載荷歷時曲線、觀測與模擬比對圖、最佳管理措施及情境比較(含不確定性)、研究區域與結果地圖、色盲友善色票、期刊尺寸與圖說。

研究圖表與地圖 是什麼?

此技能旨在協助使用者在撰寫學術論文時,自動化生成符合期刊規範的專業圖表與地圖。其核心價值在於確保所有圖表皆由數據腳本驅動,避免與文字敘述脫節,並遵循嚴格的視覺設計原則。技能支援的圖表類型廣泛,包含水文歷線(含降雨)、流量與載荷歷時曲線、觀測與模擬散佈圖、以及帶有不確定性範圍的情境比較長條圖。地圖功能則涵蓋了比例尺、指北針、座標參考系統與資料來源標註等專業檢查清單。 此技能主要透過一個名為 `scripts/zfig.py` 的 Python 模組實現,提供統一的樣式設定與圖表生成函式。它預設使用 Okabe-Ito 等色盲友善色票,並強制要求 8pt 以上字體、0.6-1.0pt 線寬,以及對數軸與不確定性區間的顯示。使用者只需根據指南選擇圖表類型,編寫對應的 Python 腳本,技能便會自動套用期刊尺寸、色票與排版規範。最終,技能會引導使用者檢查渲染後的圖檔,確保所有元素清晰可讀,並撰寫精準的圖說。此技能適用於 Claude Code、Cursor、Codex 等 AI 代理平台,能大幅提升研究人員在論文圖表製作上的效率與一致性。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/bdzion/claude_skills_z/tree/HEAD/research-figures-maps

Installed? Explore more 影像 skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

研究圖表與地圖 是做什麼的?

一張圖表之所以值得存在,是因為它能呈現表格無法表達的內容(隨時間或流量的變化模式、分佈情況、空間排列),並且在印刷尺寸與灰階下仍能清晰可讀。所有透過腳本生成的圖表都從檔案讀取數據,因此不會與正文中的數值產生偏差。

工作流程

  1. 用一句話決定圖表必須呈現的內容,並確認表格無法更好地呈現。記下目標期刊及其欄寬。
  2. 選擇圖表形式,參考 references/figure-guide.md:變數類型、座標軸、轉換(流量與載荷使用對數軸),以及如何呈現不確定性。
  3. 編寫腳本,使用內部樣式模組 scripts/zfig.py:use_style()、figure("single"|"onehalf"|"double", height_mm),以及函式 hydrograph_with_rain、flow_duration、load_duration、obs_vs_sim、scenario_bars。每張圖表一個腳本(figN_short_name.py),數據透過明確路徑讀取,每個軸標籤都包含單位,並對正文中引用的每個數值使用 assert。在新的環境中執行一次 python scripts/zfig.py 進行自我測試。
  4. 地圖:依據指南中的地圖檢查清單(標註 CRS、比例尺、當方位不明顯時加上指北針、位置索引圖、附帶單位的圖例、圖說中的資料來源與授權聲明)。對於最終版面,QGIS 或 ArcGIS Pro 通常比 matplotlib 更快速;無論使用何者,資料準備工作都應透過腳本進行。
  5. 在最終尺寸下檢視渲染後的檔案,確認無誤後才算完成:檢查標籤是否被裁切或重疊、圖例是否遮蓋數據、刻度是否無法辨識、顏色在灰階或色覺缺陷下是否無法區分。
  6. 圖說:說明顯示的內容,接著說明如何解讀(符號、線條、陰影、單位、時間區間、樣本數 n)。將解讀留給正文。

重要的預設設定

  • Okabe-Ito 類別色票(內建於 zfig);連續數據使用 viridis、cividis 或 Crameri 科學色圖;僅在圍繞有意義的零點(例如相對於基準的變化)時使用發散色圖。禁止使用 rainbow 或 jet 色票(Crameri et al. 2020)。
  • 最終尺寸下文字為 8 pt,最小 7 pt;線寬 0.6–1.0 pt。
  • 觀測數據使用黑色或深灰色,模擬數據使用彩色,並在各圖表中保持一致。
  • 對於涵蓋數個數量級的流量、載荷與濃度,使用對數軸;並在標籤中說明。
  • 呈現不確定性(95PPU 區間、跨情境或氣候成員的範圍、信賴區間);沒有誤差範圍的長條圖會過度誇大確定性。
  • 不得虛構數據、座標或標籤;如果數據缺失,應在腳本中明確寫出 NotImplementedError,並列出所需內容。

Python 優先且應加上註解;在每個圖表腳本的 docstring 中說明單位、CRS 與時間步長。

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

相關技能