顏色選擇對于數據可視化原來這么重要!
在數據可視化設計中,不少人可能都會踩入色彩誤區。這個時候,你可能需要了解一些顏色選擇的技巧,以提升數據可視化效果。本篇文章里,作者就做了經驗總結,一起來看看吧,或許可以幫你更好地理解顏色在設計中的作用。
可視化可以提供比查看原始形式的數據更有影響力和直觀的感覺。大量的可視化工具和圖表類型可以幫助以不同的方式傳達數據,其中許多對特定類型的數據特別有用。雖然在選擇可視化類型時可能要花很多心思,但考慮使用的顏色也很重要。
一、色彩的影響
1. 為什么要使用它?
顏色除了讓視覺效果美觀之外,還有其他作用。目的之一是在受制于三維空間的世界中增加立體感。雖然存在高維物體的三維投影,如??tesseract,但這個概念對人類的大腦來說是非常難以理解的。因此,我們不得不發揮一點創造力。允許顏色( 與大小、形狀等一起 )以非空間的方式傳達額外的數據維度。
色圖,有時也被稱為調色板,是在一個特定的可視化或一組可視化中,作為一個更廣泛的主題使用的不同顏色值的陣列。僅僅受顯示器可以顯示的顏色數量( 基于 RGB 顏色模型的約 1680 萬種 )的限制,并不缺乏不同的可能的色圖。然而,并不是所有的色圖都是數據可視化的可行候選者。例如,下面的熱圖( x 軸和 y 軸無關)。
Seaborn“選擇調色板”教程中來自 Michael Waskom 所拍攝的照片
教程中是否可以立即看出每種顏色相對于其他顏色所代表的價值?使用完全相同的數據和不同的顏色圖,可以得到以下結果。
Seaborn“選擇調色板”教程中來自 Michael Waskom 所拍攝的照片
教程中即使沒有圖例可以參考( 為了本示例而特意在兩張圖片中隱瞞了圖例 ),第二張圖片對每個顏色值的相對差異提供了更清晰和直觀的感覺。對于那些好奇的人來說,你可以在 Seaborn 的 “選擇調色板 “教程中查看兩張圖片的并排比較,以及它們的圖例。
以下內容來自作者推薦的鏈接:
色調變化不太適合表示數據。考慮這個例子,我們需要顏色來表示雙變量直方圖中的計數。在左側,我們使用了一個圓形顏色圖,其中每個箱內觀察數量的逐漸變化對應于色調的逐漸變化。在右側,我們使用一個調色板,該調色板使用更亮的顏色來表示具有更大計數的箱:
使用基于色調的調色板,很難確定雙變量分布的形狀。相反,亮度調色板使得存在兩個突出的峰值更加清楚。
變化的亮度有助于查看數據中的結構,并且亮度的變化可以更直觀地處理為重要性的變化。但是右邊的圖沒有使用灰度色圖。它的色彩使它更有趣,微妙的色調變化增加了兩個值之間的感知距離。因此,小的差異稍微容易解決。
2. 色盲人士的色圖
在數據可視化中加入直觀的色圖是一個非常有用的工具,但有一個主要的缺點:對于那些不能區分顏色的人來說,顏色所傳達的信息就會丟失。
總部位于英國的色盲宣傳組織的數據表明,全世界大約有 8% 的男性和 0.5% 的女性有某種形式的 色覺缺陷(CVD)。幸運的是,某些經過科學推導的色彩圖譜已經被創造出來,它們能夠在各種不同類型的色盲中保持可辨識性。下面顯示了幾個這樣的色圖及其相應的 CVD 調整感知。
照片來自 Fabio Crameri、Grace E. Shephard 和 Philip J. Heron 的“科學傳播中的色彩誤用”
除了非 CVD 視力外,這些色圖中的每一個都為不同類型的色覺缺陷( 包括完全色盲 )提供了一個合乎邏輯和連續的尺度。相反,使用色圖的視覺效果如果沒有牢記這些信息,就容易給 CVD 讀者帶來困惑。
正如在上面最右邊的色階感知( 完全色盲 )中所看到的,使用彩虹顏色貼圖在光譜的相反兩端創建了重復值??梢姽夤庾V中幾乎所有顏色的色圖都經常被使用,正因如此,應該在很大程度上避免給 CVD 讀者使用。
二、進一步舉例
鑒于顏色和可視化類型都非常多,列出一份詳盡的建議清單來說明如何有目的地選擇顏色是不現實的。下面的例子是為了涵蓋一些 在可視化中使用顏色時最常見的錯誤。
1. 不必要的顏色使用
在某些情況下,顏色的使用會減弱數據可視化的整體價值,因為它在沒有信息的地方傳達了信息。雖然下面的圖表確實使用了科學的、對心血管疾病有利的顏色圖(viridis),但由于 X 軸標簽的存在,其使用是混亂和多余的。如果將條形圖改為單一顏色,去掉圖例,并將 X 軸的標題改為“品牌”,而不是不準確的“mpg”,那么這個圖表就會更容易被理解。
圖片來源:AbdulMajedRaja from programmingwithr.com
為原創作者辯護,這張圖的主要目的是圍繞著操作色圖以適應不同的數據,而不一定是創造一個完全準確的圖表。然而,這是一個通過使用顏色給數據可視化增加不必要維度的典型例子。
2. 非直觀的顏色
語境很重要。以非直觀的方式使用與特定價值觀有強烈關聯的顏色,也會使可視化變得混亂和難以解釋。對于熟悉美國政治的人來說,下面這張 2020 年總統選舉結果的地圖看起來應該很不對勁( 圖中共和黨是藍色,民主黨是紅色。實則在美國,紅色代表共和黨,藍色代表民主黨 ):
我使用 270towin.com 創建的照片
這種直覺反應是針對民主黨與藍色、共和黨與紅色的關聯而言的。然而,鑒于圖例,這張地圖在技術上是 100% 準確的。雖然這個具體的例子特別極端,不太可能無意中發生,但這個普遍的問題是在創建可視化時需要考慮的問題。
3. 只有紅色和綠色
許多涉及到對“是”/“否”或“支持”/“反對”問題的信息可視化,都使用了如下圖所示的紅和綠。在西方文化中,考慮到“是”/“支持”/“向上”與綠色,“否”/“反對”/“向下”與紅色的關聯,這些顏色具有直觀的意義( 附帶說明:這種動態在許多東方文化中是相反的 )。
然而,由于紅綠色盲是最常見的色覺缺陷,使用這種顏色會嚴重阻礙全球相當一部分人能夠有效地理解可視化。簡單地將顏色圖換成避免心血管疾病相關問題的顏色,就能在不影響可視化質量的情況下提高可訪問性。
照片:Niall McCarthy 來自 Statista(??) – 原始數據來自 YouGovResources
幸運的是,對于數據可視化創建者來說,開源社區已經創建了許多工具和資源,使任務變得更加簡單。下面列出了這些工具和資源中的幾個。
- Matplotlib:最流行的 Python 可視化庫之一,包括許多不同的科學衍生色圖。
- Seaborn:建立在 Matplotlib 之上,這個庫包括一些額外的色圖,并使其他樣式方法變得輕而易舉。
- Colorbrewer:特別關注于制圖可視化,這個網站允許選擇不同色圖,并有過濾選項,只選擇那些對 CVD 安全和/或打印機友好的色圖。
- Fabio Crameri:不同色圖的集合,來自啟發本文的論文作者之一( 見下文的致謝部分 )。
- Colorgorical:一個有用的工具,用于創建具有獨特參數的色圖,如感知距離、名稱差異、配對偏好、名稱唯一性等。
- CCC-Tool:一個用于創建和導出具有高級功能的色圖的工具,如指定插值方法、色差指標和優化。
鳴謝:本文的靈感主要來自于 Fabio Crameri、Grace E. Shephard 和 Philip J. Heron 的所著的《科學傳播中色彩的濫用》一文,該文在《自然-通訊》雜志上發布。
對于那些尋求更深入、更科學的方法來解決這個問題的人,我強烈建議閱讀他們的論文。
原文作者:T.J. Kyner(本文翻譯已獲得作者的正式授權)
原文:https://uxdesign.cc/data-visualizations-choosing-colors-with-purpose-4a672ac0215a
譯者:李玥琪;審核:李澤慧;編輯:孫淑雅、李莉好;微信公眾號:TCC翻譯情報局(ID:TCC-design);連接知識,了解全球精選設計干貨。
本文由@TCC翻譯情報局 翻譯發布于人人都是產品經理,未經許可,禁止轉載。
題圖來自 Unsplash,基于 CC0 協議。
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
- 目前還沒評論,等你發揮!