科研绘图之颜色与数据的关系

如今的科研配图描摹得厉害，打开社交媒体，单就上色这一项已有“cell色版”、“SCI配色”等诸多现成色卡教你复制成功。这些被收集起的参数犹如色卡网站的精选搭配，套在图表里，图表就有了审美。

可惜科研插图先讲逻辑，不是美丽就行。数据可视化讲了许多年，许多人仍不明就里，认为作图的要义是用精美绘品唬住读者，不知图只是数据的陪衬。配色也同理，博主经济时代，人人手里有本拼凑的穿搭经，但如果只是跟风学人着衫，难免迷失自己。

本文意图带你粗浅地认识颜色，解释颜色同传递信息间的联系，作出合理而令眼睛舒适的科研图片。没有色板可抄，却希望你掌握之后不再只会依样画葫芦。

认识颜色

本文以Albert H. Munsell的色彩体系为基准描述颜色[1]，该体系直观且符合认知科学，认为每种颜色由三个变量构成：

色相（hue）——即通俗意义的颜色，如红橙黄绿蓝靛紫。

饱和度（saturation）——也称纯度，指的是颜色的明艳程度。于饱和度的两极是灰色（低纯度）和无限绚丽（高饱和）。

明度（lightness）——指明暗变化，也可以理解为加入黑色的程度。100%明度显示的是原本的颜色，而当明度为0就变为黑色。

*图1-色板网站i want hue截图，由上自下分别为色相、饱和度、明度[2]

RBG，即为red、blue、green三者首字母缩写，是另一种当下热门的色彩体系，主张任何颜色由红、蓝、绿以不同比例混合而成。RBG符合人眼对颜色的感知原理，却不够直观。在认识颜色阶段，比起红蓝绿各占多少比例，用什么颜色、有多亮、有多艳来描述好理解许多。如是用惯了RBG，市面上也有色彩模型转换工具如Colorizer可以算出对应的色相、明度、饱和度。[3]

使用颜色

论文中的图表类型往往由数据性质决定，作为图像的一部分，色彩自然也服务于内容。色卡网站ColorBrewer创始人、地图学家Cynthia Brewer根据信息属定量或定性划分出三种色阶。[4]

单项色阶

单向色阶（sequential scale）如其名，由一组自浅至深的颜色构成渐变梯度，多用于展示数值变化，如温度、速度、浓度、人口密度等。

*图2-配色工具ColorBrewer生成的单项色阶[4]

用单项色阶填色有三点值得留意：

1. 其中单色相的色阶最为常见，如图3中以深深浅浅的蓝色表示不同降雨量。[5]当然单项色阶不意味着只留有一种“颜色”，《数据可视化基础》一书的作者Claus Wilke建议，如需在单项色阶中加多个色相，最好从自然界中本就存在的颜色里找灵感。[6]譬如星空是鹅黄与蓝，蓝莓树是酱紫与绿。
2. 以色阶中的浅色对应低值、深色对应高值。这套规则不言自明，拿图3举例，很多读者无需图注就能读懂蓝色越深即是降水越多的意思。

*图3-降水量估值，图作者为FiveThirtyEight，数据源自美国国家海洋大气管理局[5]

3. 背景的颜色会影响渐变效果。多数科研图片为浅色背景，此时色阶的两端如用对比度高的冷色和对比度低的暖色，则能在视觉上强化由深到浅的变化。[7]

*图4-葡萄酒颜色图示，由暖黄色与冷紫色各占色阶两端，源自南华早报[8]

双向色阶

与单项色阶类似，双向色阶（diverging scale）也由渐变梯度构成。不同的是，它用来强调中间值，如收入中位数、温度均值、李克特量表等级波动等等。[4]色阶中段颜色最浅，各自向两边发散逐渐加深。

白色和浅灰色是最常见的中点色，任何“彩色”，无论饱和度几何，都有可能在视觉上偏向色阶的某一侧，形成认知误差。而同为中性色的黑色和深灰，因其明度低会令色阶两端的深色失去重心。[9]

*图5-配色网站Chroma.js生成的双向色阶[10]

类别色阶

类别色阶（qualitative scale）用颜色分类，色彩不再同数值变化关联。一张图中，色与色之间不能太过相近，以示不同类别之差异。绘制论文折线图、饼图、条状图时都适合纳入这种色阶。[11]

颜色之间差异大不等同于越缤纷越好，如不对配色数量与范围加以限制，想要传递的信息可能会有误。选色时不妨留意以下四点：

1. 暖色加点蓝是万金油

蒙德里安的格子画你或许见过，类似的红黄蓝组合在学术图表里也很寻常，如图6与图7。[12] [13]

*图6-红蓝色阶信息图，源自南华早报[12]

*图7-黄蓝色阶信息图，源自南华早报[13]

黄与蓝在色轮上相对而立，本是对比色，特别适合呈现视觉反差，区分不同变量。

而红、橙、黄看似是一组单项渐变色，但由于人眼内能处理暖色的视锥细胞多过冷色的，使得人类更能感知暖色的色彩细节。[14]于是红橙黄虽在色轮上相邻，大脑却允许它们各自为政。

数据可视化工具Datawrapper的创始人、前彭博数据可视专家Lisa Charlotte Much建议，拿不定配色主意时，橙/红和蓝基本不出错。[11]

2. 慎用绿色，要么变性，要么变调

绿色占了逾1/6的色轮面积，但比起红蓝，以绿色为主的可视化图算不上多。

由于人眼对绿色极之敏感，纯绿看来要比纯蓝、纯红都明亮许多。[9]但过亮的颜色不仅传递了警示与紧张感，同时也令图片少了几分严肃，牵连可信度。所以用绿色作图时通常要将饱和度与明度双双调低，才能得出宜人且正经的绿。

*图8-以绿色为主色之一的信息图，源自南华早报[15]

用绿着色还有可能冒犯到色盲人士，尤其是红绿、橙绿一类组合的视觉反差极低。此类情况可以通过调整色相缓解，即拣色轮上相邻的两边，调成黄绿色、蓝绿色即可。如图8则是降低饱和、又加了暖调的绿。调好色后，可以借工具[16]验证是否对色盲人群友好。[14]

3. 学会用灰色

由于人的感知局限，大脑能同步对比的类别约为12个。[9]一张图如果太过缤纷就会失去焦点，这种情况你或许需要计议有些分类是否可以合并。又或者，如果你有值得大书特书的重点，灰色其实是理想的背景。[17]譬如图8作者即运用了不同深浅的灰色，深灰关联次一级信息，反托借黄绿两色传达的主要数值；浅灰则是区隔不同饼图的道具。

4. 整体感——明度关乎是否沉闷，纯度衬托焦点

色盲模拟器的原理是将彩图转为灰图，再根据灰度判断不同色块之间的异同。这项测试其实也适合用来调节配图的明度，譬如将图9转为灰色，即得到灰度相对均匀的一张饼；将明度调整过后改为图10，层次即刻丰富了起来。[11]

*图9-左侧原图作者为Lisa Charlotte Muth[11]

*图10-左侧原图作者为Lisa Charlotte Muth[11]

当一组色阶中的灰度深浅有致，表达分类的效果更好，也过得去审美关。相反，如一张图中的色彩灰度无差，不单止视觉上看着沉闷，想要向读者传达的类别信息效果也将被削弱。

除了变换明度，色相和纯度也讲究彼此衬托。通常来讲图表中存在一至两个重点，所以在类别色阶中只需强调一两个颜色与内容呼应。在如何平衡重点色和其余色关系上，Much提出了两点技巧：1）减明亮色的饱和度，增深色的饱和度；2）降低色相纯度。