TikZ科学绘图完全指南：从零部署到高效制图全流程

**TikZ科学绘图**是科研工作者和学术作者必备的技能，而janosh/diagrams项目提供了127个高质量的科学图表资源库，涵盖物理、化学和机器学习等多个领域。无论你是LaTeX初学者还是经验丰富的科研人员，这个项目都能帮助你快速创建专业级科学图表。😊## 📊 项目概览与核心价值janosh/diagrams项目是一个精心整理的TikZ和Typst科学图表集合，包含127个高质

何将鹤

1002人浏览 · 2026-03-31 19:19:01

何将鹤 · 2026-03-31 19:19:01 发布

TikZ科学绘图完全指南：从零部署到高效制图全流程

【免费下载链接】tikz Random collection of standalone TikZ images 项目地址: https://gitcode.com/gh_mirrors/tikz/tikz

TikZ科学绘图是科研工作者和学术作者必备的技能，而janosh/diagrams项目提供了127个高质量的科学图表资源库，涵盖物理、化学和机器学习等多个领域。无论你是LaTeX初学者还是经验丰富的科研人员，这个项目都能帮助你快速创建专业级科学图表。😊

📊 项目概览与核心价值

janosh/diagrams项目是一个精心整理的TikZ和Typst科学图表集合，包含127个高质量的图表，每个图表都提供LaTeX和Typst两种格式的源代码。这些图表覆盖了从基础科学概念到前沿研究领域的可视化需求。

项目结构清晰，所有图表都存储在assets/目录下，每个图表文件夹包含：

.tex文件（LaTeX源代码）
.typ文件（Typst源代码）
.yml文件（元数据）
.png和.pdf文件（渲染结果）

🚀 快速开始：一键获取科学图表

克隆项目仓库

要开始使用这个TikZ图表库，首先克隆项目到本地：

git clone https://gitcode.com/gh_mirrors/tikz/tikz
cd tikz

浏览可用图表

项目提供了丰富的图表分类，你可以通过查看readme.md文件来了解所有可用的图表。每个图表都有对应的预览图像和源代码链接。

🛠️ 安装与配置指南

系统依赖安装

项目脚本需要一些系统工具来渲染图表。在Ubuntu/Debian系统上，你可以运行：

sudo apt-get install texlive-full imagemagick ghostscript pdf2svg pngquant

对于macOS用户，可以使用Homebrew：

brew install imagemagick ghostscript pdf2svg pngquant

Python环境配置

项目使用Python脚本进行图表渲染和转换，建议创建虚拟环境：

python -m venv venv
source venv/bin/activate
pip install pdf-compressor

API密钥配置（可选）

为了获得更好的PDF压缩效果，你可以配置pdf-compressor的API密钥：

pdf-compressor --set-api-key project_public_7c854a9db0...

📈 使用TikZ图表的最佳实践

直接引用现有图表

项目中的每个图表都可以直接在你的LaTeX文档中使用。例如，要使用布洛赫球图，只需复制assets/bloch-sphere/bloch-sphere.tex文件的内容到你的文档中：

\documentclass{article}
\usepackage{tikz}
\begin{document}

% 复制bloch-sphere.tex的内容到这里
\begin{tikzpicture}
  % 布洛赫球图的TikZ代码
  \draw (0,0) circle (2cm);
  % ... 更多绘图命令
\end{tikzpicture}

\end{document}

自定义和修改图表

所有图表都是开源的，你可以根据需求进行修改。例如，要调整颜色方案或添加标注，只需编辑对应的.tex或.typ文件。

🎨 图表分类与应用场景

物理学图表

项目包含大量物理学相关的图表，如：

量子物理：布洛赫球、M理论参数空间、费曼图
统计物理：玻色-爱因斯坦分布、费米-狄拉克分布
凝聚态物理：DFT雅各布阶梯、材料信息学工作流

化学与材料科学图表

对于化学和材料科学研究人员，项目提供了：

元素周期表：完整的化学元素可视化
分子结构：有机分子表示
材料信息学：从分子结构到性质预测的完整工作流

机器学习与数据科学图表

项目还包含了机器学习领域的专业图表：

神经网络架构：自动编码器、生成对抗网络、自注意力机制
算法可视化：k近邻算法、随机森林、梯度下降
数据科学：ROC曲线、训练测试分割、热力图

🔧 高级功能：自定义渲染与批量处理

使用渲染脚本

项目提供了强大的Python脚本来自动化图表渲染过程。主要脚本包括：

scripts/render_tikz.py - 渲染LaTeX文件为PDF、SVG和PNG
scripts/render_typst.py - 渲染Typst文件
scripts/convert_assets.py - 格式转换工具
scripts/update_readme_table.py - 更新README中的图表表格

批量渲染所有图表

要批量渲染所有图表，你可以使用以下命令：

# 渲染所有LaTeX图表
find assets -name "*.tex" -exec python scripts/render_tikz.py {} \;

# 渲染所有Typst图表
find assets -name "*.typ" -exec python scripts/render_typst.py {} \;

自定义输出格式

通过修改脚本参数，你可以控制输出格式和质量。例如，在convert_assets.py中调整PNG压缩参数：

# 调整PNG压缩质量
png_quality = 85  # 默认值

📚 学术引用与贡献指南

如何引用本项目

如果你在学术工作中使用了这些图表，请引用项目的Zenodo记录。BibTeX格式如下：

@software{riebesell_diagrams_2020,
  title = {Collection of scientific diagrams},
  author = {Riebesell, Janosh and Bringuier, Stefan},
  date = {2020-08-09},
  year = {2020},
  doi = {10.5281/zenodo.7486911},
  url = {https://github.com/janosh/diagrams},
  note = {10.5281/zenodo.7486911 - https://github.com/janosh/diagrams},
  version = {0.2.0},
  urldate = {2023-01-01},
}