最近收到一封關於期刊圖表相關的問題，把我覺得不錯的資源做了整理。
發現中文資源並不多，英文資源其實超多，以下是我的回信，希望者可以幫到你。
博士您好！
很開心看到你的來信，很抱歉我遲來的回覆 （最近在寫論文，課業有點重）。
以下是一些關於圖表的心得資訊與工具。
我個人做表經驗/ 當時學的的做期刊表原則:
可重現性：始終優先考慮製作一個易於將來由他人重現的圖表。
可讀性：Space is a luxury in academic paper . 圖表的原則為 “Readability 可讀性” 為重， 如果看到有留白處就馬上考慮是否是個可以把字體變大，或是其他調整讓圖表更清楚的空間/機會。
色彩的重要性：始終考慮圖表可能以黑白形式印刷。我嘗試檢查是否存在色盲，使顏色對色盲者友好。試著賦予您的顏色在圖表中的含義（例如，較冷的顏色表示較少，較暖的顏色表示較多，或者在整篇文章中使用一致的顏色表示特定人群）。
在此附上真正專家的指南：
對於可視化的有用初學者指南：https://www.simplifiedsciencepublishing.com/resources/how-to-make-good-graphs-and-figures-for-scientific-papers
Datawrapper的博客 - Dos and Don'ts: https://blog.datawrapper.de/category/datavis-dos-and-donts/
有關論文製圖的注意事項 : https://www.sepnet.ac.uk/Online_modules/ThePublicationProcess/Writing/Graphics.html
我個人做表用的工具：
R : 大多數用Ｒ程式寫的，應為精準又可以很容易的紀錄/重做/讓以後任何其他人可以做得出來。
第二長的工具其實是Powerpoint ，當時的博後教我的，是在調整現有圖表或製作新圖表方面非常有效的工具。PowerPoint 也能透過設定調整，輸出 300 dpi 的高解析度圖像。
Preview (Mac OS X) 通常如果 R 上面真的有寫不出來的程式 / 標示，最後的辦案就是用Preview 加工。好處是很方便，很快。壞處是可重現性較低。
我主要使用上述三種工具，因為它們滿足我的需求。根據您想製作的數據和圖表的類型，還有許多其他優秀的工具可供選擇，您可以用來製作出色的圖表。以下是一些建議您考慮的清單：
https://www.edanz.com/blog/software-for-scientific-figures#Tableau_for_figures
https://www.animateyour.science/post/best-free-and-paid-software-for-scientific-illustrations
https://academiainsider.com/10-best-free-online-drawing-software/
如果您不確定應該製作何種圖表，缺乏靈感，我推薦參考：
兩個網站都展示優秀視覺呈現，有時還會定期頒獎，值得參考，it never hurts to learn from the best.
我之前只是參與實驗團隊的一小部分所以對於整體時間知道的不多。以下是我對時間的薄曉了解：
數據可視化應該從論文創作的一開始就開始進行，因為它通常有助於縮小論文的方向，以及確定論文中最重要的發現。它還可能有助於發現之前不知道的額外數據信息。在寫作過程的其餘部分，數據可視化會隨著論文的撰寫而不斷發展和改進。換句話說，您的圖表應該與您的論文同步發展。在快速瀏覽摘要後，圖表通常是讀者檢查的第二個內容，因此在準備論文的開始製作圖表是一個優先考慮的事項，因為好的圖表可以在您的論文發表大加分（至少目前跟我分享經驗的都是這樣說的）。因此，難以估計每個圖表的工作時間，因為它是隨著論文的連續發展而進行的。（如果很不負責的猜測的話整個團隊大至少花 20%-25% 時間做 data visualization ，不過我的職位很小所以沒看到的一定太多了，我的話別太認真看待）。
不確定上述信息是否對您有用。如果您有任何具體問題，請隨時告訴我，我真的很喜歡這個話題，並且非常樂意回答。回復可能會稍有延遲，請諒解。
祝一切順利！
劉芹