Quels attributs font une figure de «qualité professionnelle»?

J'ai entendu des gens dire que les parcelles produites par ORIGIN ont tendance à paraître polies et «professionnelles», contrairement aux parcelles produites par Mathematica. Cependant, la plupart des programmes de création de tracé sont tout à fait configurables et il va de soi que, avec les bons réglages pour des positions telles que l'emplacement et l'étiquetage des ticks, le choix des polices et des couleurs, l'alignement des étiquettes, etc., je devrais être en mesure de faire une figure avec Mathematica. / matplotlib / Gnuplot / etc. cela a l'air aussi bon que ceux qui viennent d'ORIGIN. Mais qu'est-ce que cela signifie pour un personnage d'être "professionnel" dans ce contexte?

En d’autres termes, si mon objectif est de créer les meilleures figures possibles à inclure dans un article scientifique, quels choix de conception sont généralement recommandés pour atteindre cet objectif? Évidemment, il faut choisir le type de graphique approprié , par exemple graphique à barres / graphique en dispersion, et échelle linéaire / logarithmique, mais ce sont des choix auxquels nous pensons toujours, quel que soit le programme de graphique que nous utilisons. Je suis plus intéressé par les choses auxquelles nous ne pensons pas normalement, qui sont normalement définies en fonction des valeurs par défaut de certains programmes de traçage, mais qui pourraient être modifiées pour améliorer l'aspect de l'intrigue.

OMI, ce qui fait la qualité "professionnelle" est défini par les règles du journal / éditeur. Ce qui se traduit réellement par "qualité de publication" qui est relative selon l'endroit où vous publiez. Certaines règles universelles semblent se dégager - invariantes du logiciel de traçage utilisé:

1) Une figure doit contenir le moins d’éléments possible pour transmettre l’information / idée / argument. Une figure doit être facilement lisible / comprise en quelques secondes - si cela vous prend plus de temps pour comprendre ce qui se passe sur la figure, il se peut qu’il y ait trop d’informations. Cela est parfois difficile à vérifier car vous connaissez votre parcelle / vos propres données - peu importe leur encombrement excessif - le montrer à quelques collègues pour savoir s’ils peuvent le lire facilement peut être utile. (à ne pas confondre avec la compréhension de la signification physique derrière la figure - cela prend généralement un certain temps).

2) Si vous devez utiliser des couleurs, il est préférable de vous limiter à quelques-unes, idéalement du côté opposé de la roue chromatique. Par exemple, le bleu et le rouge sont meilleurs que le bleu et le vert. Une figure peut avoir plusieurs nuances - mais il est préférable d’avoir peu de couleurs principales. J'aime souvent utiliser le bleu (valeurs faibles) et le rouge (valeurs élevées) avec une transition blanche entre les deux. Ayez toujours à l'esprit les lecteurs daltoniens.

3) Les marques de graduation, les étiquettes de contour, etc. doivent tous être facilement lisibles sans loupe - donc, une taille de police similaire à celle du texte du corps du journal. Vous pouvez vérifier si tout est lisible en imprimant une copie papier avec des largeurs de 3 à 6 pouces (ce sont des tailles de figures courantes dans les revues scientifiques).

4) Enfin, assurez-vous que chaque élément de la figure a sa raison d'être. Si quelque chose ne transmet pas d'informations utiles, jetez-les. Cela facilitera la lisibilité de la figure.

Au moment où vous êtes à l'aise avec la personnalisation de tous les petits éléments qui composent un personnage - graduations, libellés, etc., le type d'outil utilisé n'a pas vraiment d'importance tant que vous êtes en mesure de produire un eps propre.

Il y a quelques éléments que je recherche quand je considère quelque chose de «qualité de publication» dans mon propre travail ou ce que je considère comme regardant les autres. Elles sont:

1. Haute résolution et de préférence vectoriel. Celui-ci devrait être assez évident maintenant, mais vous seriez surpris.
2. Un manque d'encombrement. Je devrais pouvoir voir ce qui se passe dans votre personnage et le voir rapidement. Il ya peu de choses que je déteste plus que d’essayer de suivre le guide «Taux d’encre élevé: ratio papier» et de l’utiliser pour tenter d’entasser un manuscrit entier en une seule figure.
3. Imprime bien. C’est celui qui est le plus important pour moi et lorsque j’examine des papiers, j’en teste toujours un. "Les chiffres sont-ils imprimés?" Plus d’une fois, j’ai frappé des personnages dont les points sont complètement obscurcis lorsqu’ils sont imprimés en niveaux de gris, ce qui les rend inutilisables pour mes besoins (je ne lis pas sur les écrans).
4. Preuve que le créateur sait utiliser les paramètres graphiques. Pas de choix d'axes de bille impaire, de graduations au bon endroit, etc.
5. Combiné avec # 2, un manque de "s'épanouir" qui est de nature entièrement graphique. Des ombres, des 3D inutiles, etc. qui ne font vraiment perdre du temps aux lecteurs.

La plupart de ceux-ci sont honnêtement spécifiques au créateur, plutôt que spécifiques au programme. J'ai vu des tracés terribles en R et d'excellents en Excel.

Si nous parlons de chiffres, j'aimerais aller aux sources: L'affichage visuel d'informations qualitatives et de belles preuves par Edward Tufte .

M. Tufte va bien sûr dans certains détails, mais le principe qui me caractérise n’est pas de dépenser de l’encre pour les encadrements ni les décorations, mais de faire en sorte que votre encre contienne le plus d’informations possible.

Modifié à la demande de Mark:

Les principaux points de l’ affichage visuel des informations qualitatives sont:

• afficher les données de manière à ne pas fausser ou masquer ce qu'il a à dire
• organiser des affichages pour permettre des comparaisons entre différentes données à différents niveaux
• intégrer les aspects graphiques avec les descriptions statistiques et verbales
• maximisez le rapport données / encre en supprimant les éléments inutiles (ou redondants par d'autres éléments) et utilisez les éléments existants pour véhiculer des informations supplémentaires (les axes constituant des variantes d'une boîte à moustaches, par exemple).
• de petits multiples peuvent être utilisés pour organiser des ensembles de données de dimensions supérieures afin de permettre une comparaison le long de ces dimensions supplémentaires

Beautiful Evidence est un livre de portée plus large. Je vais simplement reproduire les titres de chapitres:

• Images mappées: images en tant que preuves et explications
• Lignes sparkline: graphiques intenses, simples et au format Word
• Liens et flèches causales: l'ambiguïté en action
• Mots, nombres, images - ensemble
• Les principes fondamentaux de la conception analytique
• Corruption dans les présentations de preuves: effets sans cause, cueillette de cerises, débordement, Chartjunk et la rage de la conclusion
• Le style cognitif de PowerPoint: Pitching out Corrupts Within
• Les socles sculpturaux: signification, pratique, dépédestalisation
• Sculptures de paysage

Une des observations intéressantes dans Beautiful Evidence est que nous utilisons généralement des périphériques de sortie à haute densité (une imprimante 300 DPI est un périphérique à faible densité de nos jours) pour l'impression, mais nous dessinons souvent nos chiffres pour les imprimantes sérigraphiques ou linéaires, ce qui gaspille un potentiel énorme. pour transmettre des informations.

Les meilleurs chiffres que j'ai pu réaliser personnellement sont ceux du package TeX PGF / TikZ . Si vous utilisez LaTex, comme le font beaucoup de scientifiques, vous en avez probablement déjà entendu parler.

Il semble également être le leader des packages graphiques LaTex. Une proportion non négligeable des questions sur le site TeX StackExchange concerne PGF / TikZ. Je ne suis pas sûr de savoir pourquoi les résultats sont si bons, mais un des avantages de PGF / TikZ par rapport aux autres packages lors de l’utilisation de LaTeX est qu’il intègre simplement mieux le texte. D'une part, les polices de la figure seront les mêmes que dans le texte.

Il est presque plus facile de définir ce qui constitue un mauvais graphique que ce qui en fait un bon graphique.

Quelques caractéristiques des mauvais graphiques:

• Polices et symboles excessivement grands ou petits
• Lignes excessivement fines ou épaisses pour les courbes et autres éléments graphiques
• Trop de variables différentes affichées ou modifiées en même temps
• Avoir des sélections d’axes inappropriées (log versus linéaire, gamme, etc.)
• Affichage des tendances entre les points de données avec des courbes pleines indiquant des progressions ou des comportements inexistants
• Ne donnant aucune indication sur l'ampleur des incertitudes ou des erreurs
• Graphiques mal libellés ou mal étiquetés (y compris les unités!)

En général, cependant, alors que la plupart des progiciels sont capables de créer de bons graphiques, presque aucun programme avec lequel j'ai travaillé ne passe par défaut à un état produisant de bons graphiques. Ils nécessitent toujours des ajustements: soit la taille de la police, soit la plage d'affichage, soit le choix des axes ou des symboles, etc. Actuellement, je préfère utiliser matplotlib; d'autres membres de mon groupe ont migré vers SciDavis.

Le package Mathematica LevelScheme a connu un succès raisonnable . Son modèle d'exécution diffère légèrement de la programmation traditionnelle de Mathematica, de sorte qu'il existe une courbe d'apprentissage associée à son utilisation. Mais, il est capable de fournir un contrôle précis à la génération de parcelles de terrain, ce qui est difficile en Mathematica. En outre, en tant que package latéral, il existe un package permettant de générer des graduations personnalisées.

(Une fois la version prise en charge par Mathematica v.8, elle sera renommée SciDraw.)