数据可视化配色指南：清晰优于美观

在设计图表时，如何区分分类数据和连续数据？如何为色盲用户优化图表？本文分享数据可视化中选择 Color Scales 的最佳实践与工具推荐。

在数据可视化中，颜色不仅仅是装饰，它是数据的载体，是信息编码的核心维度。错误的配色会导致数据被误读、关键信息被掩盖，甚至产生误导性的结论。Lisa Charlotte Rost 曾说：“颜色是数据可视化的双刃剑。” 选择正确的配色方案（Color Scale）是制作专业图表的第一步。

三大类数据配色方案

适用场景： 展示不同类别的数据，且类别间没有顺序或大小关系。例如：“不同国家的GDP”、“不同部门的销售额”、“不同性别的用户”。

设计原则： 颜色之间要有明显的色相差异（Hue），以便于区分。但明度（Lightness）和饱和度（Saturation）应保持相近，避免某一个类别因为颜色太亮或太深而显得比其他类别“更重要”，从而产生视觉偏差。通常建议类别数量控制在 5-8 个以内，过多会导致颜色难以区分。

适用场景： 展示有数值大小、密度或程度关系的数据。例如：“人口密度分布”、“年收入水平”、“温度高低”。

设计原则： 通常使用单一色相或邻近色相，通过明度（Lightness）的深浅变化来编码数值。一般来说，浅色代表低数值，深色代表高数值（在深色背景下则相反）。关键在于保证亮度变化的均匀性，避免中间出现视觉断层，导致用户误判数据的变化率。

适用场景： 展示有明显中间值（中点/零点）的数据，关注两端的极值。例如：“气温偏差（正负）”、“调查满意度（同意 vs 反对）”、“财政盈亏”。

设计原则： 由两个方向相反的顺序色板拼接而成。两端使用两种对比强烈的色相（如红与蓝，橙与紫），中间汇聚为中性色（白、浅灰或浅黄）。确保两端的深色在视觉强度上是平衡的。

虽然彩虹色（Jet）看起来很绚丽，但它在科学可视化中臭名昭著。因为它在亮度上是非线性的（如黄青色区很亮，红蓝色区很暗），这会制造出并不存在的数据边界（伪影），误导分析。推荐使用 Viridis 或 Magma 等感知均匀（Perceptually Uniform）的色板。

约有 8% 的男性是红绿色盲。在设计图表时，永远不要仅依靠红绿颜色来区分数据（如股市的红涨绿跌，或红绿交通灯）。

同样的颜色在白色背景和黑色背景下看起来完全不同。如果你在设计仪表盘（Dashboard），特别是暗黑模式，需要重新调整颜色的明度。在深色背景上，通常需要使用更明亮、饱和度稍低的颜色，以保证足够的可视度，同时避免高饱和度带来的视觉疲劳。