智能绘图：从数据到出版级图表

跟完这篇，您能在「百沐一下」不写一行代码，把一张整洁的数据表变成一张能投稿的图：上传数据、用一句话说清要什么图，再对着出来的图一句句地改配色、改字号、加显著性标注，直到样式达到期刊要求，最后连图带可复现代码一起导出。

绘图这件事，难的往往不是「画出来」，而是「画对、画美、改到能过审」。智能绘图把它拆成三个动作：给一张整洁表 → 一句话说要什么图 → 对着图对话式微调。下面按这条路走一遍。

步骤	您要做的	结果
1. 进入入口	点【数据分析 → 智能绘图】	打开绘图界面
2. 给数据	上传整洁表格，或选公共数据	数据就位
3. 说图型	一句话，如「按分组画表达量箱线图」	出第一版图
4. 改配色	「换成 Nature 风格 / 色盲友好配色」	即时重画
5. 改字号图例	「坐标轴字放大到 8pt，图例挪右侧」	即时重画
6. 加显著性	「组间加显著性星号，t 检验」	星号标上
7. 导出	「按单栏 89mm、矢量 PDF 导出」	出版级图 + 代码

进入「数据分析 → 智能绘图」

登录后，在左侧导航点【数据分析】，再点【智能绘图】。
进入的是一个对话式界面：上半部分放数据、看图，下半部分是输入框，您在这里用自然语言说想要什么图、想怎么改。
出图会消耗沐豆，界面会在开跑前给出预估，余额不足会提醒。任务失败自动全额退回沐豆，每次重画也会重新预估，可以放心多试几版。

智能绘图覆盖箱线图、柱状图、火山图、热图、生存曲线、气泡图等几十种常见图型，比较、分布、关系、占比、时序都能画。本篇以最常见的「分组箱线图 + 显著性」走一遍，其他图型的操作节奏是一样的。

上传数据：一张整洁表格就够

绘图的起点是一张整洁（tidy）表格：每行一个观测，一列放分组，一列放要画的数值。是这个形状，后面所有图都能直接套。

sample	group	value
s1	Ctrl	12.4
s2	Ctrl	10.9
s3	Treat	18.2
s4	Treat	16.7

两条最容易被绊倒的地方，上传前先自查：

别用「一组一列」的宽表。像「Ctrl、Treat 各占一列」这种宽表，先转成上面这种「分组 + 数值」的长表再画。整洁数据的更多细节见统计方法怎么选。
分组列、数值列要干净。分组名前后别带多余空格，数值列别混进文字或单位；缺失值太多会让某些图画不出来。

手头没数据、或想先练手，可以直接从平台的「公共数据挖掘」选一份 TCGA / GEO 数据，或从「我的文件库」调用已上传的文件。格式细则见上传数据的格式要求。

一句话说清「要什么图」

数据就位后，用一句「拿哪列、画什么图、怎么分组」的话，智能绘图就能出第一版。几个能直接照抄的写法：

按 group 分组，画 value 的箱线图，每组叠上散点。

画火山图，x 是 log2FoldChange，y 是 −log10(padj)，标出前 10 个基因。

一句话里最好包含这三样，出来的图就贴近您想要的：

图型：箱线图、柱状图、火山图、热图……说清楚；拿不准时也可以让它「按这份数据推荐一种合适的图」。
拿哪几列：横轴、纵轴、分组分别用哪一列（如 group、value）。
可选偏好：要不要叠散点、要不要分面、大致配色风格。没写也行，它会用常规默认值先出一版，您再改。

第一版不必一步到位——先出个大致对的图，剩下的全靠对着图改。这也是智能绘图最省事的地方。

对着图改：配色、字号、显著性

出图后，不满意的地方直接在对话框里说，它只重画这一处，不用从头再来。这是本篇的重点，分三类最常改的说。

换配色

配色不是审美问题，是准确传达数据的问题：分类数据、连续数据该用的配色大类不同，还要考虑色盲读者。直接说风格即可：

换成 Nature 风格配色。
分组用色盲友好的定性配色。
热图改成蓝-白-红发散配色，以 0 为中点。

它交回的代码是标准写法，比如套期刊配色、或换感知均匀的连续配色：

library(ggsci)

p + scale_color_npg()          # Nature 风格定性配色（分类用）
# 连续量（如热图、密度）换感知均匀、色盲友好的配色：
# p + scale_color_viridis_c()

一条经验：分类数据用定性配色（如 Okabe-Ito、期刊配色），单向连续量用 viridis，双向（含 0）用蓝-白-红发散配色。 期刊配色好看但不保证色盲友好，关键的两组对比最好再自查一遍。配色怎么选得既好看又不误导，见科研配色与色盲友好方案。

调字号与图例

图缩到栏宽后，最先看不清的就是文字。趁早说清字号和图例位置：

坐标轴刻度和标题字放大，图例挪到右侧。
去掉图例标题，字体统一用无衬线体。

对应的标准做法是在主题里统一控制：

library(ggplot2)

p + theme_classic(base_size = 8) +          # 全图基准字号，按最终尺寸调
  theme(
    legend.position = "right",              # 图例位置
    text = element_text(family = "Helvetica")   # 全图统一无衬线字体
  )

字号要以最终印刷尺寸衡量：正文级的字（刻度、图例）一般别小于约 6～7pt，太小印出来糊成一片。这是常见惯例、按目标期刊须知定。

加显著性标注

分组比较图上那对星号，是最常见也最容易标错的一处。直接说清「比哪几组、用什么检验」：

Ctrl 和 Treat 之间加显著性标注，用 t 检验，显示星号。

它会用标准包把星号标上（ggpubr 底层调 ggsignif）：

library(ggpubr)

ggboxplot(df, x = "group", y = "value", color = "group") +
  stat_compare_means(
    comparisons = list(c("Ctrl", "Treat")),
    method = "t.test",              # 两组比较；多组两两比可列多对
    label  = "p.signif"            # 显示星号而非具体 p 值
  )

星号与 p 值的常见对应（是通行惯例，个别期刊略有出入，以目标期刊为准）：

标记	p 值范围
`ns`	p ≥ 0.05（不显著）
`*`	p < 0.05
`**`	p < 0.01
`***`	p < 0.001

两点别踩：检验方法要和数据匹配——两组正态用 t 检验、不满足正态用 Wilcoxon，多组用方差分析 / Kruskal-Wallis 而不是两两 t 检验反复比。方法怎么选见统计方法怎么选。多组多次比较时记得校正 p 值，否则假阳性会偏高。星号背后是哪种检验、误差棒画什么，展开见柱状图加显著性星号：规范做法。

改到能投稿：导出出版级图

样式满意后，把投稿规格一并说清，让它按期刊要求导出，而不是先导一张随意大小的再缩放：

按单栏 89mm 宽导出矢量 PDF，另出一份 300dpi 的 TIFF，字号不小于 7pt。

对应的标准导出（ggplot2 的 ggsave 最省事）：

library(ggplot2)

# 矢量 PDF：宽＝单栏 89mm，cairo_pdf 会把字体嵌进文件
ggsave("Figure1.pdf", plot = p,
       width = 89, height = 70, units = "mm", device = cairo_pdf)

# 位图 TIFF：热图、含照片的图等，指定 300dpi + 无损压缩
ggsave("Figure1.tiff", plot = p,
       width = 89, height = 70, units = "mm",
       dpi = 300, compression = "lzw")

选格式的原则：统计图（箱线、柱、火山图、生存曲线）能矢量就矢量（PDF / EPS），放大不糊；像素图（显微、凝胶、切片）才存 TIFF，按 dpi 要求来。 分辨率、栏宽、字号、颜色模式这些硬指标怎么一次设对，见投稿图片要求：分辨率、格式、字体。

拿到图、数据表和可复现代码

每次绘图默认交付三件套，这也是「改得动、复现得了、经得起返修」的底气：

交付物	是什么	拿它做什么
图形结果	出版级图形，矢量 / 高分辨率可选	下载放进论文 / 汇报
数据文件	作图用的整理后表格	核对、复用、做下游
可复现 R 代码	复现这张图的脚本	写进方法学、复核、再微调

您完全可以只看图；但代码在手，意味着返修时改一个参数就能重出，投稿时也拿得出「这张图怎么来的」——这正是把它放进论文的底气。想再进一步用 Illustrator 精修，导出的矢量图也能直接打开编辑。

在平台上跑一遍

上面整条路，在百沐一下就是「上传一张整洁表 + 说几句话」这么简单——不写代码，说清要什么图，再对着图一句句改配色、字号、显著性，智能绘图即时重画，最后连出版级图形、数据表和可复现 R 代码一并交付。

👉 打开 https://app.baimuyixia.com，进【数据分析 → 智能绘图】，选好数据、描述想要的图即可开画。