科学可视化通常被定义为以图片方式显示科学数据的过程，然而这个过程并不是直接或者是自动的。相同的数据可以采取很多不同的方法来展现，比如散点图、线形图、条形图和饼状图。此外，同样的数据使用相同类型的图来表示，在不同的人看来效果是非常不同的。
对于科学可视化更准确的定义，是人与数据之间的图形交互界面。在这篇短文中，我们不会解释关于这个交互界面的所有内容，相关的介绍性工作请参见文献 [1]、[2]。我们的目标是提供一套改进图片设计的基本规则，并解释一些常见的误区。
了解你的受众。根据上述对科学可视化的定义，当视觉信息的接收方与内容传递一方的意图有显著差异时，问题就产生了。因此，在设计过程中尽早地确认图像的受众和信息是很重要的。视觉上的图形设计应该以此为依据。
明确图片要传达的信息。无论是在一篇文章还是一个时间有限的口头报告中，如果一个事实或者结论很难或不可能用简短的文字来表达，那么图片就派上了用场。在这种情况下，很重要的一点是要清楚地意识到图片所扮演的角色——图片隐含了怎样的信息，以及如何最好地呈现该信息。
使图片适应支持媒介。图片可以在各种媒体上展示，例如海报、计算机显示器、投影屏幕（如做口头报告时）或简单的纸张（如印刷品中）。每一种媒介都要求图片有不同的物理尺寸，而且更重要的是，每一种媒介都暗示着观看者和与图片交互的不同方式。
图注是必要的。无论是描述一个实验设置，引入一个新的模型，还是展示新的结果，你都不能解释图片本身中的所有内容——图片应该带有图注。图注解释了如何阅读图片，并为无法用图片表示的内容提供额外的准确信息。
不要相信默认设置。所有的绘图库或者软件都带有默认设置。当用户没有指定任何设置时，这些默认设置就决定了图片的尺寸、字体、颜色、样式、刻度、标记等。几乎所有的设置都是可以调整的，不过你通常可以一眼认出不同软件包（比如 Matlab，Excel，Keynote 等）或者库（LaTeX，matplotlib，gnuplot 等）的特殊样式，这要归功于这些默认设置的选择。
有效地使用颜色。颜色是人类视觉的一个重要维度，因此在科学图片的设计中也同样重要。然而，正如 Edward Tufte 所言，颜色可能是你最好的盟友，但如果使用不当也会变成你最大的敌人。
不要误导读者。科学图片与其它图片艺术品的区别在于数据的体现，数据需要尽可能客观地展示出来。根据定义，科学图片与数据（无论是实验设置、模型还是某些结果）相关联，如果你忽略了这种联系，可能会无意中表达出与预期不同的信息。
避免“图表垃圾”。图表垃圾指图片中所有不必要或混乱的视觉元素，这些元素不会改善信息的表示（在最好情况下），还可能增加混淆（在最坏情况下）。
信息重于颜值。在制作图片方面，每个科学领域都有自己的一套最佳实践方法。了解这些标准很重要，因为它们有助于将模型、研究或实验进行更直接的比较。更重要的是，它们可以帮助你在结果中发现明显的错误。
使用正确的工具。在绘制图片时，有许多工具可以让你更轻松，并且了解其中的一些可以为你节省大量时间。针对每个不同的图片类型，通常有一个专用工具可以完成你想要实现的目标。而至关重要的是，要了解你用于制作可视化图片的工具（软件或库）可能与你用于研究和/或分析数据的工具不同。