科学绘图新选择cnsplots:如何用3行Python画出Cell/Nature/Science级出版图表
科学绘图新选择cnsplots:如何用3行Python画出Cell/Nature/Science级出版图表
cnsplots 是一款面向科研人员的 Python 科学绘图工具包,专门用于生成 Cell、Nature 和 Science 等顶级期刊水准的出版级图表。它基于 matplotlib 构建,与 seaborn 完全兼容,内置 25 种以上图表类型、期刊配色方案和统计检验标注,让你几行代码就能摆脱繁琐的样式调整。
上图由 cnsplots 示例脚本 showcase.py 一次性生成,涵盖 A–R 共 18 个子图,直观展示了它的绘图能力边界。
为什么需要 cnsplots?
做科研的同学都知道,一张能上论文的图往往要反复调字体、字号、配色、边距,导出后还要在 Illustrator 里返工。cnsplots 把这套流程"标准化"了:
- 📐 出版级默认样式:预设匹配 Cell、Nature、Science 期刊要求的字体与配色
- 🧩 25+ 种图表:箱线图、小提琴图、生存曲线(Kaplan-Meier)、火山图、GSEA、热图、ROC、森林图等一应俱全
- 📊 内置统计检验:支持 Welch t 检验、Mann-Whitney U、卡方检验,并自动添加显著性标注(*、**…)
- 🎨 期刊配色方案:
Cell、Nature、Science、Ecotyper1-6等一套color_cycle参数即可切换 - 🖋️ Illustrator 友好:导出 SVG 保留可编辑字体,文字不会被转成路径
一键安装 cnsplots
只需一条命令从 PyPI 安装,要求 Python ≥ 3.10:
pip install cnsplots
核心依赖包括 matplotlib、numpy、pandas 和 seaborn,详见 pyproject.toml。
3 行代码画出出版级箱线图
安装完成后,加载内置数据集、画箱线图、导出矢量图,核心只有 3 行:
import cnsplots as cns
df = cns.datasets.load_dataset("tips") # 内置示例数据
cns.figure(100, 150) # 画布尺寸(单位:point)
cns.boxplot(data=df, x="day", y="total_bill")
cns.savefig("figure.svg") # 导出 SVG 矢量图
cns.figure(100, 150) 中的宽高单位默认为 point(1/72 英寸),也可以显式指定 unit="in" 或 unit="mm",方便按期刊版心精确排版。完整入门步骤可参考 docs/getting_started.md。
一键添加显著性标注
统计检验不用自己算、自己画标注。只需给绘图函数多传两个参数:
cns.boxplot(
data=df, x="day", y="total_bill",
pairs=[("Thur", "Fri"), ("Sat", "Sun")], # 指定比较的分组
test="t-test_welch", # 检验方法
p_adjust="holm", # 多重比较校正
)
运行后图上会自动出现 *、ns 等标注,并打印检验方法说明,例如 P-values were determined by two-sided Welch's t-test。关于检验方法选择、配对样本处理等细节,见 docs/statistical_methods.md。
多面板图:自动排列 A/B/C 子图
论文里的 Figure 通常是多面板组合图。cnsplots 的 multipanel 会自动生成 A、B、C… 加粗编号,并按 max_width 自动换行:
mp = cns.multipanel(max_width=265)
mp.panel("A", 70, 70)
cns.boxplot(data=tips, x="day", y="total_bill")
mp.panel("B", 100, 100, margin_bottom=20)
cns.barplot(data=tips, x="day", y="total_bill", errorbar="se")
更多排版技巧(物理单位、边距控制等)可看 examples/multipanel.py;每种图表的完整示例都在 examples/ 目录下,如 examples/volcanoplot.py、examples/survivalplot.py、examples/heatmapplot.py。
期刊配色与出版级导出
切换期刊风格只需换一个调色板参数:
cns.figure(200, 150, color_cycle="Nature") # Nature 风格
cns.figure(200, 150, color_cycle="Science") # Science 风格
导出方面,savefig 支持 SVG(推荐,Illustrator 可直接编辑)、PDF 和 300 DPI 高清 PNG:
cns.savefig("figure.svg") # 矢量图,首选
cns.savefig("figure.png", dpi=300) # 高清位图
科研图像排版也能交给它
cnsplots 不止画统计图,还能把免疫荧光、H&E 病理等实验图像与数据图排版到同一张多面板图中。例如官方示例里就嵌入了这类科研显微图像:
这张免疫荧光图与 dotplot、生存曲线等数据图组合,正是论文里常见的"图+数据"复合版面。完整演示代码在 examples/showcase.py(Figure 2 部分)。
快速上手路线图
| 步骤 | 操作 | 参考文件 |
|---|---|---|
| 1. 安装 | pip install cnsplots |
pyproject.toml |
| 2. 画第一张图 | cns.boxplot(...) 3 行代码 |
docs/getting_started.md |
| 3. 加统计标注 | test= + p_adjust= 参数 |
docs/statistical_methods.md |
| 4. 做多面板图 | cns.multipanel(...) |
examples/multipanel.py |
| 5. 导出出版文件 | cns.savefig("figure.svg") |
docs/api.md |
适合谁用?
- 🧑🔬 生信/医科研学者:生存分析、火山图、热图、森林图开箱即用
- 📊 数据分析师:熟悉的 seaborn 风格 API,学习成本几乎为零
- 🖥️ 使用 AI 辅助绘图的用户:内置 Agent Skill,一条
cnsplots skill install即可让 Codex / Claude Code 掌握当前版本的绘图 API(安装与卸载说明见 docs/installation.md)
写在最后
cnsplots 把"画一张能直接投稿的图"这件事的门槛降到了最低:3 行代码出图、参数即统计检验、一键期刊配色、SVG 直通 Illustrator。如果你的科研论文还停留在手动调 matplotlib 字号的阶段,不妨今天就 pip install cnsplots 试试。更多图表细节可查阅 docs/api.md 中的完整 API 参考。

