科研级扇形图制作：Python实现与Nature规范

1. 扇形图在科研图表中的独特价值

扇形图（Pie Chart）作为数据可视化领域的经典图表类型，在Nature等顶级期刊中出现的频率虽然不及柱状图和折线图，但在特定场景下具有不可替代的优势。当我们需要展示一个整体中各组成部分的相对比例时，扇形图能以最直观的方式呈现"部分-整体"关系，这是其他图表类型难以比拟的。

在科研论文中，扇形图特别适合用于展示：

• 样本组成的百分比分布（如不同细胞类型的占比）
• 资源分配的构成比例（如经费使用去向）
• 分类结果的统计汇总（如实验组/对照组的响应率）

Nature级别的扇形图有三个显著特征：

1. 极简主义设计：去除所有非必要装饰元素，仅保留核心数据表达
2. 精确的数值标注：每个扇区同时显示百分比和绝对值
3. 专业的配色方案：遵循色盲友好原则，避免相近色系

2. 数据准备与预处理

2.1 数据结构要求

科研级扇形图对数据有严格要求，原始数据应整理为如下结构：

关键点：百分比列应通过计算得出而非硬编码，确保后续数据更新时自动同步

2.2 异常值处理

当数据中存在极小值（<3%）时，直接展示会导致扇区难以辨认。此时有两种专业处理方案：

1. 合并同类项：将多个小类别合并为"Others"组

   python复制df.loc[df['Percentage'] < 0.03, 'Category'] = 'Others'
   

2. 分离展示：将小扇区从主图中抽出，以放大插图形式展示

   python复制explode = [0.1 if p < 0.03 else 0 for p in df['Percentage']]
   

3. 使用Python实现Nature级扇形图

3.1 Matplotlib基础实现

python复制import matplotlib.pyplot as plt

# 数据准备
categories = ['Type A', 'Type B', 'Type C', 'Type D', 'Type E']
values = [120, 85, 72, 53, 40]
colors = ['#4C72B0', '#55A868', '#C44E52', '#8172B2', '#CCB974']

# 创建画布
fig, ax = plt.subplots(figsize=(8, 8), dpi=300)

# 绘制扇形图
wedges, texts, autotexts = ax.pie(
    values,
    labels=categories,
    colors=colors,
    autopct='%1.1f%%',
    startangle=90,
    counterclock=False,
    wedgeprops={'linewidth': 1, 'edgecolor': 'white'}
)

# 样式调整
plt.setp(texts, size=10, weight='bold')
plt.setp(autotexts, size=10, color='white', weight='bold')
ax.axis('equal')  # 确保为正圆形

# 添加标题
ax.set_title('Sample Composition', pad=20, size=12, weight='bold')

plt.tight_layout()
plt.savefig('basic_pie.png', bbox_inches='tight')

3.2 高级定制技巧

环形图变体：

python复制# 在pie()函数后添加
centre_circle = plt.Circle((0,0), 0.7, color='white')
fig.gca().add_artist(centre_circle)

标签优化方案：

python复制# 使用adjustText库自动调整标签位置
from adjustText import adjust_text
adjust_text(texts, arrowprops=dict(arrowstyle='-', color='gray'))

3D效果实现：

python复制ax = fig.add_subplot(111, projection='3d')
ax.pie(values, labels=categories, colors=colors, 
       autopct='%1.1f%%', pctdistance=0.85)

4. 学术图表规范要点

4.1 字体与字号规范

• 主标题：12pt Sans-serif
• 分类标签：10pt Sans-serif
• 百分比数字：9pt Sans-serif
• 图例：10pt Serif (斜体表示变量)

4.2 配色方案推荐

• Nature标准色系：#4C72B0, #55A868, #C44E52, #8172B2
• 色盲友好方案：#E69F00, #56B4E9, #009E73, #F0E442
• 灰度模式：#404040, #808080, #BFBFBF, #E0E0E0

4.3 导出参数设置

python复制plt.savefig(
    'final_pie.pdf',
    format='pdf',
    dpi=1200,
    bbox_inches='tight',
    pad_inches=0.1,
    transparent=True
)

5. 常见问题与解决方案

问题1：小百分比扇区标签重叠

• 解决方案：使用labeldistance和pctdistance参数分层显示

  python复制ax.pie(..., labeldistance=1.1, pctdistance=0.7)
  

问题2：多分类导致色彩辨识困难

• 解决方案：采用双色渐变方案

  python复制colors = plt.cm.Blues(np.linspace(0.3, 1, len(categories)))
  

问题3：期刊要求黑白印刷

• 解决方案：使用图案填充替代颜色

  python复制hatch_patterns = ['///', '\\\\\\', '|||', '...', 'xxx']
  for wedge, pattern in zip(wedges, hatch_patterns):
      wedge.set_hatch(pattern)
  

6. 进阶应用案例

6.1 多层嵌套扇形图

python复制# 外层数据
size = 0.3
vals1 = [120, 85]
vals2 = [72, 53, 40]

# 绘制双层图
ax.pie(vals1, radius=1, colors=['#4C72B0', '#55A868'])
ax.pie(vals2, radius=1-size, colors=['#C44E52', '#8172B2', '#CCB974'])

6.2 动态交互式扇形图

python复制import plotly.express as px
fig = px.pie(df, values='Value', names='Category',
             hover_data=['Percentage'], 
             hole=0.3)
fig.update_traces(textposition='inside', 
                 textinfo='percent+label')
fig.show()

6.3 扇形图矩阵

python复制fig, axes = plt.subplots(2, 2, figsize=(10, 10))
for ax, (title, data) in zip(axes.flat, datasets.items()):
    ax.pie(data['values'], labels=data['labels'])
    ax.set_title(title, size=10)

在科研图表制作实践中，我发现最影响扇形图专业度的三个细节是：1) 扇区起始角度保持90度垂直向上；2) 百分比标注与分类标签分层显示；3) 图例与扇区间建立清晰的视觉关联。通过matplotlib的textprops参数可以精细控制标签样式：

python复制textprops = {
    'color': 'black',
    'fontsize': 8,
    'fontfamily': 'Arial',
    'bbox': {
        'boxstyle': 'round',
        'facecolor': 'white',
        'alpha': 0.8,
        'pad': 0.3
    }
}