>
许秋突然想到，像一些卡通图、机理图、toc之类的，也可以找田晴定制啊，然后在文章中给她挂个名。
课题组中的现有资源，要好好利用一下。
不过眼下这篇文章还是算了，这种档次的小文章，图片中规中矩点就好。
文献读的多了，许秋发现，二区期刊，一区期刊甚至am这样的顶刊，里面的图片都是比较模板化的。
除了一些期刊的封面会做的比较浮夸外，正文内的图片通常就是简单的曲线图，或者是电镜拍出来的原始图像。
而像中的文章，有不少图片都是精心美化过的，偶尔还会用一些插图来辅助描述科学现象。
究其原因，他觉得也许是文章的受众不同。
像am这类专业领域的期刊，已经标明了期刊是材料领域相关的，能看到文章的基本都是业内人士。
因此不需要玩虚的，直接给他们看数据就可以了。
就比如许秋，他看一眼别人文章中的几张图，就大概明白这个人做了什么工作，有什么创新之处。
搞的花里胡哨的，他最多会多看一眼，却并不会提高这篇文章在他心里的分数。
但像这类高影响力的综合性期刊，因为它会面向全部领域，所以大多数看到文章的人，并不是相关领域的业内人士。
直接给他们看干巴巴的数据，不仅看起来枯燥，而且也看不懂啊。
这个时候，就需要包装一下，用一些插图来辅助表达，同时把图片弄好看些，吸引人们的阅读兴趣。
说不定，就因此引起到一个其他领域的大佬的注意。
几方人马一拍即可，定下合作计划，岂不美哉。
……
数据整理是个挺让人头秃的活。
有些数据可用，有些数据不可用，这些确定了的都还好说。
但世界不是非黑即白的，数据也不是只有可用、不可用两种情况。
还存在一些模棱两可的数据：
比如，一组光吸收光谱图中，有四根曲线，其中一根曲线中有一个小的吸收峰与其他三组略有差异。
这可能是一个独特的实验现象，也可能只是样品制备的原因。
虽然这个细节可能无足轻重，但终究是一个小瑕疵。
这时候就要判断：
到底是整体重做一遍，去验证究竟是什么原因？
还是将就着用呢？
甚至用smooth功能把这点差异抹除掉呢？
搞到最后，许秋决定索性不能直接使用的数据，通通重做一遍。
做出这样的决定，当时感觉很爽，终于不用纠结了。
不过很快，新的问题又随之产