论文图表设计规划

定位

图表服务论点，不是装饰。每个图表先回答：它支撑哪个 claim？删掉它论文会不会缺一块？

规划流程

1. 通读论文(或大纲) + m06 结果，列出全部 claim。
2. 给每个 claim 匹配最有说服力的呈现形式。可跑 scripts/recommend_chart.py --task <比较/分布/关系/构成/趋势/排序/占比/不确定性> --fields <定类/定序/定量/时间...> --n-series N 拿启发式候选图型排序（依据 Cleveland-McGill 感知精度+任务族先验，输出理由/注意）——是可解释建议非真值，最终结合 claim 重要性/领域惯例/期刊偏好人工定夺。
3. 标注优先级：必做(支撑核心贡献) / 可做(增强) / 可删(冗余或弱)。
4. 排版位置：哪张进正文、哪张进附录、组图怎么组。
5. display item 预算核查：统计正文 F#+T# 总数，对照目标 venue 上限（顶刊/顶会常 6–8 件，以目标刊作者指南为准）。超预算强制取舍，砍序固定：先砍"可删" → "可做"降到附录 → "必做"不动（删了就没核心论证的不许砍）。合并同质图、把次要分析移附录也是减件手段。把总数核查写进交付（见自检清单数量项）。完整示例见 examples/worked_example.md 的 claim→图表清单全景。

图表类型清单（按需选，附建议工具）

• 概念/方法：框架图、技术路线图、模型结构图、算法流程图、数据流图。→ 精排可编辑源用 diagrams.net/Draw.io(XML，有官方 MCP，diagram-as-code)；与 LaTeX 同源用 TikZ；关系/依赖自动布局用 Graphviz(dot)；文档内嵌草图用 Mermaid；3D 结构/分子/科学可视化用 Blender(+Molecular Nodes/SciBlend 插件)。
• 数据：数据集示意图、样本分布、标注示例。→ 统计分布用 seaborn/matplotlib；示意排版用 draw.io/TikZ。
• 定量结果：主结果对比图/表、消融图、参数敏感性曲线、收敛曲线、ROC/PR、混淆矩阵、雷达图。→ matplotlib(精排)+seaborn(统计便捷)；R 用 ggplot2；交互补充材料用 Plotly/Altair。
• 定性结果：真实效果图、模型输出示例、case study、失败案例、可解释性可视化(注意力/SHAP/特征图)。
• 表：指标汇总表、对比表、消融表、数据集统计表、复杂度表。