Datawhale干货
大家好呀~今天在Datawhale小组看到一些朋友在论文中挣扎，突然出现了各种各样的论文扩展奇怪的技巧，突然发现自己在这方面有一些个人实践的方法，所以笔希望帮助你毕业困难（手动狗头）。真的不能做什么，水论文第一。
没问题
这篇文章诞生于上一篇文章的信息。理论上，我们应该能够按照压缩的方法将文章扩展到10页（我们不禁想知道重复的娃娃是否会用软件反复翻译中英文）。但事实上，许多学生的困难在于他们手中的半页纸不是压缩和简化的结果，而是...真的挤不出来。因此，对于扩张(shui)论文这门手艺活，我们还需要分情况讨论。
情况一: 时间不够了
剩下的时间自然是首要问题。如果只剩下三四天，最好采取一些急救措施。如果没有时间收集新数据，多敲代码，只能在文字上多下功夫。
1. 搜集研究领域相关文献
在这里，我们需要特别擅长使用硕士和博士论文，因为硕士和博士论文往往具有明显的大而完整的特点（字数多、内容详细、参考文献丰富），以反映研究生在研究领域的整体情况。因此，建议写本科论文参考硕士论文，写硕士论文参考博士论文，写博士论文不要指望这些小把戏能帮忙！(点击本文的博士生应面墙五分钟)
至于文献检索，最重要的是白嫖，只需要两个工具就足够了。中文:知网；英语:google scholar sci-hub（https://www.sci-hub.ren/）。
大多数大学都应该购买知网。如果真的没有，找朋友借其他学校。vpn或者知网账号。
首先在google scholar搜索相应的关键字，会得到这样的界面:
假如文章侧有PDF按钮表明本文可以直接下载，只需点击即可轻松下载。如果没有，您需要点击左侧的链接，并将进入期刊的官方网站。如果论文是开源的，您可以直接下载。如果没有，你通常可以在页面上找到文章DOI样式如下(每篇文章的样式可能不完全相同):
这里的10.1007/s00338-013-1051-z我们需要的DOI号(只需要找到"10."开头的一串就行了)，把这个DOI号复制到sci-hub搜索可以免费检索和下载相应的论文。如果你真的找不到它DOI也可以尝试输入标题sci-hub中检索。
需要注意的是google scholar如果在这方面有困难，需要科学上网。google scholar国内镜像。
2. 广泛参考
综述、研究背景、method这些方面往往是我们努力的大头。
在我们收集的文章中，可以整理出综述进行整合串联。首先，综述的整体框架可以根据阅读多篇文章的综述来确定，即在综述中分为小点。最好整合阅读论文的综述框架。框架确定后，由于时间关系，建议大家按照时间顺序将阅读文章中的评论串联起来，注意用自己的语言组织。参考英文文献综述可以避免查重的麻烦。这样，写三页以上的文献综述就足够了(估计要控制笔墨才能只写三页hhh）。
研究背景也是一个可以着墨的地方，可以按照自己的参考和组织逻辑写一两页。method相信大家都知道，对于绝大多数人来说，method就大规模调整而言，可以大规模调整method的理论描述，这是因为方法的提出到应用都经过了不少时间的发展，背后往往有很深厚的理论基础，可以按照自己的需要来控制这部分的长度。
以线性回归模型为例：当简要介绍时，我们只能写出线性模型的公式和假设（甚至根据不同的学科）；但也可以详细说明，当你查阅相关的理论书籍时，我相信你需要考虑如何简洁地描述方法，如线性回归模型可以描述各种估计方法、统计诊断和参数的性质。
3. 充分利用可视化和表格
如果现有的半页纸是实证分析或实验部分的内容，那么扩大字数是最重要的，因为我们需要平衡整篇文章的结构，如果其他部分很多，但核心部分很少，这将使字数非常明显。所以在这一部分，假设我们的时间很紧迫，没有任何实质性的内容扩展，我们需要通过图表尽可能地呈现结果，并在结果分析中写更多的内容。
这里一定要给大家安利一些图表方便易用的工具。
还记得用Latex做表格带来的深深绝望，即使用word做表格，如果表格很大很长，还是能给人一种不顾延毕的冲动。一般来说，论文需要三线表格式。如果内容复杂，往往需要控制各种垂直和水平线的长度和位置，以达到美观和专业的效果。鉴于理工科论文的特点，这里是Latex给大家介绍一些工具。
a.各种R语言包
个人试过很好用的有：stargazer, textreg，可用于输出R语言通过各种包获得的统计分析结果Latex表格代码（一般是三线表，十分地道）；还有xtable, sfsmisc,cwhmisc，可以将data.frame或矩阵格式的数据输出Latex表格代码，这在理论上更为普遍。即使不进行统计分析，只要结果能转化为相应的格式，也可以输出Latex表格。有很多类似的包。如果这些包不能满足每个人的需要，请勤奋google哦(关键词:"latex in r"）。
b.Python。说到调包，社区离不开强大的社区。python，python还有相应的包——PyLaTeX，最重要的是勤奋google(关键字："latex python")。
c.还有一些可以excel转换为Latex但不建议使用工具，因为格式仍有1亿点难以控制，使用效果不好。
。丑陋有两个元素：像素感和颜色匹配丑陋。如果你能在不影响阅读的情况下在图片上出现像素感，并且颜色匹配有专家精心反向设计的效果，那绝对是一张满分图片。对于怪物来说，只要不同于常见的柱状图、条状图、饼状图和盒线图，就不需要太花哨。例如，丝带图和小提琴图在合理范围内"怪"南丁格尔玫瑰图有点不合适。
事实上，很难找到能画出奇怪丑陋图片的工具。毕竟，满足丑陋要求的可视化工具通常与R或R相似python语言有自己的函数。令人满意的是大家熟悉的。matplotlib——直男配色，不够精致，图形类型足够。以下是一些简单的展示。matplotlib作常用图片的代码：
a.散点图
importmatplotlib.pyplotasplt importnumpyasnp x = np.array(5、7、8、7、2、17、9、4、11、9、6) y = np.array([99,86,87,88、111、86、103、87、94、77、85、86) plt.scatter(x, y) plt.show()b.折线图
xpoints = np.array([1, 2, 6, 8])
ypoints = np.array([3, 8, 1, 10])
plt.plot(xpoints, ypoints)
plt.show()c.柱状图
x = np.array(["A", "B", "C", "D"])
y = np.array([3, 8, 1, 10])
plt.bar(x,y)
plt.show()d.直方图
x = np.random.normal(170, 10, 250)
plt.hist(x)
plt.show()e.饼图
y = np.array([35, 25, 25, 15])
plt.pie(y)
plt.show()这样下来，加上最后的结论和分析，已经可以达到十页的目标。但是话说回来，如果对研究的领域都没什么了解，虽然在标化的标准上写够了字数，还是要寄希望于答辩的时候遇到善良的老师。
情况二: 时间还比较充足
时间足够的情况下，最好可以在已有的结果上再做实质性的扩充，文献阅读可以方法参考这篇，如果实在没办法，那么跟时间不充足的情况相比，主要的不同就在于实证分析或者实验的部分，其余部分可以类似操作。
对于实证分析部分，可以多花一些时间做一些"平行工作"，例如梯度下降算法部分，可以搜罗许多算法都跑一遍；又例如统计学中的参数估计，可以使用各种估计方法，得出多个结果进行对比，如此一来便可以多出一些图表，并进行文字阐述。进一步，可以在不同的环节采用这样的策略，达到排列组合的效果。
三、写在最后
总而言之，十页并不是一个多高的要求，还记得上过的一门课的老师将论文上限定在十页，防止大家卷个几十上百页，当时我也是废了九牛二虎之力，用上双栏、调整字号、各种压缩才达到了小于十页的要求。
。毕竟，如果升学，这是对自己能力的一次锻炼；如果就业，你的毕业论文也大概率是面试官感兴趣的部分。踏踏实实进行研究的小伙伴一定不会被亏待的~
上海财经大学
微信视频号：熔岩巨兽武球王
论文必过，↓