今天给大家分享一个邪修技能：从论文图表中提取数据重新使用 Stata 或者 R 语言绘图。
经常我们会遇到一个问题，我们想使用参考文献中某个图表的数据，但是作者并不提供数据。这个时候该怎么办呢？
最近为了解决这个问题，我借助豆包编写了一个网页应用：getpicdata，应用的首页是这样的：
其他好用的应用大家也可以先自行探索。
可以使用附件中提供的离线文件访问这个应用。
首次打开加载速度会较慢，耐心等待即可。
该应用不仅可以提取单组 xy 数据，还可以提取多组。
本次课程我们将以两幅图为例演示该应用的使用方法。
单组 xy 图表的提取
对于单组 xy 图表的数据提取，我们以下面这幅图为例：
将该图片上传到我编写的这个应用里面：
第一步要做的事情就是手动在图上选择四个点：xmin，xmax, ymin, ymax, 需要注意，标记点并不需要刻意与点击点重合，只要鼠标点击位置准确即可：
在图上点击之后就会生成标记，标记放置的位置和和鼠标点击点有偏移，这个并不影响；然后就是 ymin 和 xmin 通常是一个位置，拖动标记点让两者重合即可。
然后看页面的左侧，设定四个值：
输入之后点击“确定坐标范围”。
下一步是设定数据组的名字，这个随便写就行，毕竟现在只有一组数据：
点击“添加数据点”。然后在图表上逐个数据点：
再次注意，标记点和鼠标点击点位置是有偏移的，这个并不会有影响，不要拖动让两者一致！
点击“保存当前数据组”就完成这组数据的添加了。
如果手动点击取点的时候有点击错的，也可以在这个表里面删除（保存数据组前，这个表的操作列里面可以点击删除某个点）。
最后就可以点击导出 csv 文件了：
这里我导出的文件名称为 chart_data_2025-09-08.csv。在 Stata 中读取：
cd "~/Desktop/如何从论文图表中提取数据重新使用 Stata 或者 R 语言绘图"
import delimited using "chart_data_2025-09-08.csv", clear
list
|
对这个数据进行简单的处理就可以再重新绘制这幅图了：
replace x = round(x)
tw conn y x, lp(solid) m(o) color(black) msize(small)
xla(2005(2)2019)
yla(10(2)20) ysc(range(10 20))
xti("图1 我国社会物流总费用占 GDP 比重逐年走势")
yti("社会物流总费用占 GDP 比重（%）", bexpand justification(right))
note("注：数据源于历年《中国物流年鉴》。")
sch(qlean)
gr export pic11.png, width(4800) replace
|
是不是几乎一模一样～
使用 R 语言绘制：
library(tidyverse)
data <- read_csv("chart_data_2025-09-08.csv")
data <- data %>%
mutate(x = round(x))
data
ggplot(data, aes(x = x, y = y)) +
geom_line(linetype = "solid", color = "black") +
geom_point(shape = 16, size = 2, color = "black") +
scale_x_continuous(
breaks = seq(2005, 2019, by = 2),
limits = c(2005, 2019)
) +
scale_y_continuous(
breaks = seq(10, 20, by = 2),
limits = c(10, 20)
) +
labs(
x = "图1 我国社会物流总费用占 GDP 比重逐年走势",
y = "社会物流总费用占 GDP 比重（%）",
caption = "注：数据源于历年《中国物流年鉴》。"
) +
theme_classic(base_family = cnfont) +
theme(
plot.caption = element_text(hjust = 1),
axis.title.y = element_text(hjust = 1)
) -> p1
ggsave("pic11b.png", device = png, width = 8, height = 6)
|
还可以把数据也标注到图上：
tostring y, gen(label) format(%6.2f) force
replace label = label + "%"
egen pos = fill(12 6 12 6)
tw conn y x, lp(solid) m(o) color(black) msize(small)
xla(2005(2)2019)
yla(10(2)20) ysc(range(10 20))
mlab(label) mlabvpos(pos)
xti("图1 我国社会物流总费用占 GDP 比重逐年走势")
yti("社会物流总费用占 GDP 比重（%）", bexpand justification(right))
note("注：数据源于历年《中国物流年鉴》。")
sch(qlean)
gr export pic12.png, width(4800) replace
|
使用 R 语言：
data <- data %>%
mutate(
label = paste0(format(round(y, 2), nsmall = 2), "%"),
pos = rep(c(12, 6), length.out = n())
)
data
ggplot(data, aes(x = x, y = y)) +
geom_line(linetype = "solid", color = "black") +
geom_point(shape = 1, size = 2, color = "black") +
geom_text(
aes(label = label, y = y + ifelse(pos == 12, 0.3, -0.3)),
size = 3,
color = "black", family = cnfont
) +
scale_x_continuous(
breaks = seq(2005, 2019, by = 2),
limits = c(2005, 2019)
) +
scale_y_continuous(
breaks = seq(10, 20, by = 2),
limits = c(10, 20),
labels = function(x) paste0(x, "%")
) +
labs(
x = "图1 我国社会物流总费用占 GDP 比重逐年走势",
y = "社会物流总费用占 GDP 比重（%）",
caption = "注：数据源于历年《中国物流年鉴》。"
) +
theme_classic(base_family = cnfont) +
theme(
plot.caption = element_text(hjust = 1),
axis.title.y = element_text(hjust = 1)
) -> p2
ggsave("pic12b.png", device = png, width = 8, height = 6)
|
多组 xy 图表的提取
下面我们再来看下多组 xy 图表数据的提取，这个更为实用，例如下面这个回归系数 + 置信区间的图：
同样的步骤、上传图表、设置四至范围、添加第一组数据：
然后输入第二组数据的名字：ymin，点击取点：
第三组 ymax：
导出数据：chart_data_2025-09-08 (1).csv
然后就可以使用 Stata 绘制这个图表了：
再使用 R 语言：
data <- read_csv("chart_data_2025-09-08 (1).csv")
data
data <- data %>%
mutate(x = round(x)) %>%
group_by(group, x) %>%
mutate(id = row_number()) %>%
ungroup() %>%
pivot_wider(
names_from = group,
values_from = y,
values_fill = NA
) %>%
select(-id) %>%
mutate(
ymax = ifelse(x == -1, beta, ymax),
ymin = ifelse(x == -1, beta, ymin)
)
|
关于该应用的更多用法，大家还可以继续深入探索
点击这里跳转到 RStata 短书平台获取附件：如何从论文图表中提取数据重新使用 Stata 或者 R 语言绘图
评论