写论文时，经常发现文字写起来还好，但绘图最头疼；尤其是如果要冲顶刊，不仅图片要包含充足信息，还得画得好看，排版、配色都是问题。不过导师们经常说，谁都不是天生就会写英文论文的，都要从模仿开始学起；科研绘图也是一样。尤其是排版、布局、色调和色系这些比较抽象、又考验审美的东西，只看绘图教程，往往还是不知道该怎么搭配。不妨先看看优秀论文是怎么画的，再结合自己的数据尝试模仿和调整，慢慢积累经验。
所以，基于正刊及高水平子刊的论文图片，我整理了一个公开的科研论文图片素材库，可以用来学习绘图风格、参考排版，也可以直接提取、复制配色方案和颜色代码。目前已有近400篇论文中的近1600张符合版权要求的图片，均为 Nature、Science、PNAS 正刊及其高水平子刊的论文图片；除了浏览图片，还整理了图形分类、统计符号、排版方式和配色说明，方便大家在绘图时找到具体的参考。
首先，图片库总体如下图所示。
其中，同样一组数据，可以用柱状图、散点图或箱线图来呈现；而同一种分析方法，也可能需要搭配几种图形。因此，图库里同时整理了图形类型与科研用途相关的分类，方便从不同角度找图。
常见的柱状图、散点图、折线图、箱线图、小提琴图、直方图、热力图、地图等都能找到，也有桑基图、极坐标图、密度图和多面板组合图等参考。比如，按照箱线图/小提琴图/雨云图来筛选，结果如下图所示。
如果已经确定了分析方法，也可以围绕 SHAP解释、模型评估、时间序列变化、研究流程、生态机制示意等用途筛选或搜索。例如，做完模型解释之后，可以看看论文中怎样安排变量重要性、SHAP依赖关系及其他辅助图形，如下图所示。
对于需要介绍研究思路、生态过程或作用机制的文章，示意图也很值得参考。可以重点看作者如何组织要素、安排箭头方向，以及怎样让不同过程之间的关系更容易读懂。
除了分类，网站还支持按关键词、期刊、作者、年份、DOI、可视化方法等组合搜索；找到感兴趣的图后，可以直接跳转到原论文页面，结合正文和图注继续阅读。
一张科研图值得学习的地方，往往不只是整体好不好看。置信区间用阴影带还是误差线，不同模型用颜色还是虚实线区分，点的大小对应什么变量，显著性用符号还是其他标记表示，这些细节都会影响读者理解结果。
因此，图库在相应图例下整理了图形内容、统计与符号、颜色编码、设计思路等说明，帮助大家理解这些元素的含义，而不是只看外观。具体涉及什么统计量、检验方法和适用条件，仍然可以回到原论文中查看。
另外，一些图会在地图的角落嵌入饼图、环形图或柱状图，用来补充区域构成或汇总统计；也有在主图旁边放局部放大图的方式，兼顾整体分布和局部细节。这类布局不太容易仅凭想象设计出来，找一张接近自己需求的参考，会直观很多。
多子图之间的排列、共享图例、颜色对应和信息层次，也可以结合图库中的组合图来学习。图片支持放大查看，方便检查图例、标记和局部排版。
此外，设置了一个配色复制功能。看到一张颜色搭配合适的图，可以打开详情，查看对应色块，点击复制 HEX十六进制色值，再放进自己的绘图代码中。这样不用只凭眼睛记住“大概是什么蓝色”，也方便把同一组颜色用在多张图里，统一整篇论文的风格。
这里不提供每张图的复现代码，不过想尝试的话也比较方便，直接把参考图、配色和自己的数据交给Agent，让它辅助生成Python、R或MATLAB绘图代码，再按实际需求调整就可以了。
图库已经放到了GitHub，仓库名为 sci-figure-gallery。日常找图直接打开在线图库即可；想了解项目、反馈问题或推荐图片，也可以通过仓库Issue提交建议。
后续会继续补充论文图片与绘图说明。这个素材库主要用于学习排版、配色和信息表达，具体使用图片时可以查看对应的来源与许可；大家可以结合自己的研究问题和数据，逐步形成适合自己的绘图方式。
至此，大功告成。
欢迎关注：疯狂学习GIS
