图表图例(Figure Legend)与标题撰写规范
图表图例(Figure Legend)与标题撰写规范
文章要点: 图例(Figure Legend)是科研论文中容易被轻视但至关重要的写作组成部分。一个规范的图例应当做到”自给自足”——读者无需阅读正文即可完全理解图表内容。本文详解图例的结构组成、各类型图表的撰写模板、统计符号标注规范,以及中国研究者最常犯的图例写作错误。
引言:图例是图表的”说明书”
在SCI论文的同行评审过程中,审稿人通常会先浏览所有图表及其图例,形成对研究质量的初步判断,然后再阅读正文。这意味着图例(Figure Legend,又称图注或图标题)是论文中读者接触频率极高的文本组成部分,其撰写质量直接影响审稿人对研究结果的理解。
Parisio Poldiak和Crossley(2025)在《HCA Healthcare Journal of Medicine》发表的研究型论文写作指南明确指出,结果部分应客观呈现研究发现,使用表格、图形和文字,同时突出关键结果和趋势(PMID: 40386756)。图例是连接图表与论文正文的关键桥梁,必须包含读者独立理解图表所需的全部信息。
Vickers等人(2020)发表的临床研究图表指南将”标签和图例清晰完整”列为六大图表原则之一,强调图例必须让读者在不参考正文的情况下也能完全理解图表(PMID: 32441187)。然而,在许多中国研究者的SCI投稿中,图例往往是最薄弱的部分——过短、信息不完整,甚至只有一句话。
图例的核心原则:自给自足(Self-Contained)
“自给自足”原则(Self-Contained Principle)是撰写规范图例的最高指导原则。具体来说,图例应该包含以下所有必要信息:
- 图表描述的实验或分析的核心内容
- 每个面板(Panel)的内容(如果图为多面板图)
- 图中所有符号、颜色、线型的含义
- 统计方法的说明(使用了什么统计检验)
- 统计显著性符号的定义(*p<0.05等)
- 误差线代表的统计量(SD、SEM、95%CI等)
- 样本量信息
- 重复实验次数(如三次独立实验)
判断图例是否”自给自足”的简单测试:将图例和图表打印出来,找一位不熟悉您研究内容的同事,看他们是否能仅靠图表和图例理解结果。如果他们需要翻阅正文才能理解,说明图例不够完整;找不到合适的同行试读时,也可以借助图例文字的语言润色来查漏补缺。
图例的结构:标题行与说明段
规范的图例由两个主要部分组成:
第一部分:图标题(Figure Title)
图标题是图例的第一句话,通常是一个独立的、信息量丰富的陈述句或名词短语。好的图标题应该:
- 传达主要发现,而非仅描述图表内容:例如,”Figure 1. Drug X inhibits tumor growth in a dose-dependent manner.”(传达发现)优于”Figure 1. Effect of drug X on tumor growth.”(仅描述内容)
- 简洁但信息量大:通常1-2句,不超过30个单词
- 可以是完整陈述句,也可以是名词短语:具体取决于目标期刊风格,阅读目标期刊近期文章的图例来了解偏好格式
以下是图标题的对比示例:
| 不规范写法 | 规范写法 | 改进点 |
|---|---|---|
| Figure 1. Results. | Figure 1. Compound A selectively inhibits EGFR phosphorylation in lung cancer cell lines. | 传达了研究发现的核心内容 |
| Figure 2. Western blot analysis. | Figure 2. Treatment with siRNA-KRAS reduces KRAS protein expression in a concentration-dependent manner. | 说明了实验干预、测量对象和结果方向 |
| Figure 3. Comparison between groups. | Figure 3. Patients receiving combination therapy show significantly longer progression-free survival compared with monotherapy controls (median 14.2 vs. 8.3 months, HR=0.61, 95% CI 0.48–0.77). | 包含了关键统计结果和具体数字 |
第二部分:说明段(Description Body)
说明段紧接图标题,详细说明图表的实验条件、分析方法和符号含义。以下是各类型图表说明段的必要组成元素:
不同图表类型的图例撰写模板
模板一:细胞实验柱状图/箱线图
模板二:Western Blot图
模板三:Kaplan-Meier生存曲线
模板四:免疫荧光/显微镜图像
模板五:热图(基因表达)
统计信息的规范标注
统计信息是图例中最容易出错的部分。Schriger等人(2006)对BMJ投稿的图表进行的回顾性分析发现,图表的信息密度和统计信息完整性普遍不足(PMID: 16978740)。以下是统计标注的规范要求:
| 统计要素 | 正确标注方式 | 常见错误 |
|---|---|---|
| 误差线含义 | “Error bars represent mean ± SD” 或 “mean ± SEM” 或 “95% CI” | 只写”Error bars”而不说明是SD还是SEM |
| 显著性标注 | *p<0.05,**p<0.01,***p<0.001,ns: not significant | 图中有*但图例不说明含义;或混用不同标准 |
| 统计检验方法 | 具体说明检验方法:”Student’s t-test”、”one-way ANOVA with Tukey correction”等 | 只写”statistical analysis was performed”不说明具体方法 |
| 样本量 | n=X独立实验;每组n=X样本;具体人数 | 不写样本量,或不区分独立实验次数和重复测量次数 |
| 重复实验 | “Results are representative of three independent experiments” 或 “Data from n=3 independent experiments performed in triplicate” | 混淆技术重复(Technical replicate)和生物学重复(Biological replicate) |
多面板图(Multi-panel Figure)的图例撰写
现代SCI论文中,多面板图(一张大图包含A、B、C、D等多个子图)极为常见。多面板图例的撰写规范:
- 每个面板单独说明:以”(A)”、”(B)”等标识引导,分别描述每个子图的内容
- 共同统计说明放在最后:如果所有面板的统计方法和显著性符号含义相同,可以在最后统一说明
- 缩写首次出现时解释:即使在正文中已经解释过的缩写,在图例中首次出现时也需要重新解释(自给自足原则)
- 参考面板之间的关系:如果不同面板展示的是同一实验的不同结果,可以说明相互关系
中国研究者最常犯的图例错误
基于SCI论文发表的常见问题,以下是中国研究者在图例写作中最频繁出现的错误,了解这些错误有助于在投稿前进行针对性的自查:
- 图例过短,只有一句话:如”Figure 1. The expression of VEGF in different groups.”——缺少实验方法、样本量、统计说明等必要信息
- 不说明误差线含义:这是最常见的问题之一。”Error bars indicate variation”是无效说明,必须明确是SD、SEM还是95%CI
- 缺少统计检验方法:仅标注了p值而不说明用什么方法计算的
- 不区分独立实验和技术重复:“n=3″可能意味着3个独立细胞实验,也可能意味着同一实验的3次技术重复,含义截然不同
- 图标题信息量不足:只描述实验类型,不传达核心发现
- 多面板图不逐一说明:只写整体描述,不对每个面板分别解释
- 缩写不在图例中解释:在正文中已定义的缩写,在图例中不再重新定义,违反自给自足原则
- 图例中包含结论性判断:图例应该描述图表内容,而不是讨论和解释结果;结论应放在正文讨论部分
表格标题(Table Legend)的特殊规范
表格的标题和图的图例略有不同。表格标题(Table Title)通常放在表格上方,而图例通常放在图表下方。表格标题的规范写法:
- 标题应简洁传达表格主要内容(如”Table 1. Baseline characteristics of study participants by treatment group”)
- 在表格下方的注释(Footnotes)中解释缩写、统计符号和数据说明
- 每个缩写在注释中第一次出现时需给出全称
- 统计符号(*、†等)的含义在注释中说明
- 若表格中数据以”mean ± SD”等形式呈现,在注释中说明
Duke等人(2016)强调,图表应使读者对数据有即时的视觉印象,而标签和图例应当清晰完整(PMID: 26112209)。这一原则同样适用于表格的标题和注释。
目标期刊的图例格式要求差异
不同期刊对图例有具体的格式要求,研究者在投稿前必须仔细阅读目标期刊的Author Guidelines中关于图例的规定。常见差异点:
- 图标题格式:部分期刊要求图标题加粗,部分不要求;部分要求陈述句,部分允许名词短语
- 图例位置:大多数期刊要求图例单独放在文章末尾的图例列表(Figure Legends)中,而非直接放在图下方(图下方的内容在正式版面才由排版人员添加)
- 字数限制:部分期刊对图例字数有限制
- 统计符号格式:部分期刊有特定的p值呈现格式要求(如”P < 0.05″还是”p < 0.05″)
Millar和Lim(2022)在视觉摘要的传播研究中指出,科研信息的有效传播需要根据不同受众和媒介调整表达方式(PMID: 35722208)。这一原则适用于图例写作——根据目标期刊的受众和风格调整图例的详略程度和表达方式。
图例撰写的质量检查清单
在提交论文前,使用以下清单逐项检查每幅图的图例:
- ☐ 图标题是否传达了核心发现,而非仅描述实验类型?
- ☐ 每个面板(Panel)是否都有单独的说明?
- ☐ 图中所有颜色、符号和线型是否都有说明?
- ☐ 误差线含义(SD/SEM/95%CI)是否明确说明?
- ☐ 显著性标注(*/**/***/ns)的p值阈值是否定义?
- ☐ 使用的统计检验方法是否说明?
- ☐ 样本量(n值)是否明确?
- ☐ 独立实验次数是否说明?
- ☐ 图例中所有缩写是否都在首次出现时给出全称?
- ☐ 显微镜图像是否包含比例尺(Scale bar)说明?
- ☐ 版权/引用信息是否包含(如使用他人图表)?
- ☐ 图例格式是否符合目标期刊要求?
结论
规范的图例是科研论文写作中的基础能力,也是许多中国研究者在投稿过程中需要重点提升的技能。核心原则只有一个:图例必须”自给自足”——读者不看正文就能完全理解图表。实现这一目标需要图标题传达核心发现、说明段对每个面板详细解释、所有符号和颜色含义清楚、统计方法和样本量明确。通过使用本文提供的图例模板和检查清单,并在投稿前对照目标期刊要求进行精修,可以显著提升论文的发表成功率;若图例需要与结果段落一并重写,可考虑图例与结果部分的撰写服务。
核心要点速览
一个规范的图例应具备:(1)信息量丰富的图标题(传达核心发现,而非仅说明”这是什么类型的图”);(2)对每个面板的详细说明;(3)所有符号、颜色的含义;(4)统计方法、误差线含义、显著性阈值;(5)样本量和重复次数。判断标准:一位不熟悉您研究的同事,仅凭图表和图例,能否完全理解结果?如果不能,图例就还不够完整。
相关资源
参考文献
- Parisio Poldiak N, Crossley N. How to Write a Successful Research Manuscript: Back to Basics. HCA Healthc J Med. 2025;6(2):193-203. PMID: 40386756
- Vickers AJ, Assel MJ, Sjoberg DD, et al. Guidelines for Reporting of Figures and Tables for Clinical Research in Urology. J Urol. 2020;204(1):121-133. PMID: 32441187
- Schriger DL, Sinha R, Schroter S, Liu PY, Altman DG. From submission to publication: a retrospective review of the tables and figures in a cohort of randomized controlled trials submitted to the British Medical Journal. Ann Emerg Med. 2006;48(6):750-6. PMID: 16978740
- Duke SP, Bancken F, Crowe B, et al. Seeing is believing: good graphic design principles for medical research. Stat Med. 2016;34(22):3040-59. PMID: 26112209
- Vickers AJ, Assel MJ, Sjoberg DD, et al. Guidelines for Reporting of Figures and Tables for Clinical Research in Urology. Eur Urol. 2021;78(1):97-109. PMID: 32451178
- Vickers AJ, Assel MJ, Sjoberg DD, et al. Guidelines for Reporting of Figures and Tables for Clinical Research in Urology. Urology. 2022;142:1-13. PMID: 32446805
- Millar BC, Lim M. The Role of Visual Abstracts in the Dissemination of Medical Research. Ulster Med J. 2025;91(2):67-78. PMID: 35722208
- Weissgerber TL, Garovic VD, Savic M, Winham SJ, Milic NM. From Static to Interactive: Transforming Data Visualization to Improve Transparency. PLoS Biol. 2017;14(6):e1002484. PMID: 27332507
- Zhuang H, Huang TY, Acuna DE. Graphical integrity issues in open access publications: Detection and patterns of proportional ink violations. PLoS Comput Biol. 2022;17(12):e1009650. PMID: 34898598
- Fife DA, Longo G, Correll M, Tremoulet PD. A graph for every analysis: Mapping visuals onto common analyses using flexplot. Behav Res Methods. 2021;53(5):1876-1894. PMID: 33634423
- Brand JC, Lubowitz JH, Rossi MJ, Geeslin A, Kalore NV. Biomedical Research Infographics and Visual Abstracts Increase Social Media Attention and Article Citation. Arthroscopy. 2023;39(7):1597-1599. PMID: 37286280
- Johnson GT, Hertig S. A guide to the visual analysis and communication of biomolecular structural data. Nat Rev Mol Cell Biol. 2014;15(10):690-8. PMID: 25245078
- Hallgren KA, McCabe CJ, King KM, Atkins DC. Beyond path diagrams: Enhancing applied structural equation modeling research through data visualization. Addict Behav. 2020;94:74-82. PMID: 30219251
- Saliba T, Rotzinger D. Figure plagiarism and manipulation, an under-recognised problem in academia. Eur Radiol. 2025;35(8):4518-4521. PMID: 39939423
- Albers EAC, Fraterman I, Walraven I, et al. Visualization formats of patient-reported outcome measures in clinical practice: a systematic review about preferences and interpretation accuracy. J Patient Rep Outcomes. 2022;6(1):18. PMID: 35239055