为你的数据选择合适的色彩 | 独家编译
2021-11-12 09:00:31
不同类型的数据，适用于不同的呈现方式。本文介绍了三类数据：序列数据、异常数据和定性数据的颜色可视化。考虑到数据的类型、受众色觉能力的差异以及最终的可视化效果，究竟数据和颜色之间存在什么样可视化公式？我们一一为您解开！持续变化的数据，又被称为“序列数据”，是最常见的数据类型。除了序列数据外，还有其他两个类型的数据：异常数据和定性数据。异常数据意味着在数据中间存在一个“断点”，常常标志着区分关系。例如，偏离平均温度、人口变化或电荷的情况；而定性数据则被分解成离散的类别，。在呈现方式上，序列数据最好是让色彩均匀地从浅到深或者从深到浅在色板上表现出来，它总是随着色调或饱和度的变化而变化。序列数据类似平滑的序列体、适合呈现在亮度上有着线性变化的色板上, 随着色调和饱和度的变化而增强。从某个中间值(或其他断点)开始变化而得的数据，被认为是异常数据或双极数据。例如股票市场的损益数据、（相比每月平均温度）每日的温差，它们都随着时间而变化。从本质上说，当数据超过某个临界值时，通常会发生质变(一般是某种标志性的变化)。对异常数据来说，分析临界点两边的数据是增加还是减少、是酸还是碱比分析数据的微小变化更重要。这类数据适用于带有两种完全不同色调的色板来呈现，。从本质上讲，这是由两个在亮度和饱和度上有着相同变化的（序列数据）调色板合为一体的。这种类型的色板因为利用了“前注意加工”理论而起到作用：我们的视觉系统可以不需要经过深思熟虑就很快区分出不同的颜色。 来自美国宇航局艾姆斯颜色工具（上）和Color Brewer（下）异常数据色板，每个面板都由两个与某个中性色调相融合的序列色块构成。对大部分色板来说，。尽管是中性颜色,黑色或深灰色通常是糟糕的选择，因为这样做的话两侧极端值的颜色就会被冲淡，并因此显得不再重要。，即使占比再小，也会倾向于和两端中的任一端匹配。设计异常数据的色板比序列数据要来得困难。要让同时出现的两种色调具有强烈的对比性，这就使得可利用的颜色量大大减少了。更糟的是,大约5%的人(基本上是男性)是色盲，将很难看到某些色调的差异对比,尤其是红绿(更少一部分是红蓝)。地球天文台长期使用一个色盲完全不可读的色板来表示“植被异常情况”。如果把正常的色板与色觉感官不足的受众所看到的相比较的话(来自Adobe Photoshop模拟色盲色觉软件)可以看出，如果不考虑色调，对那些色觉感官不足的人来说，在颜色亮度上呈均匀变化的序列数据类色板仍是可读的。但如果受众无法辨别色调本身，那么一个搭配亮度变化、呈现异常值类数据的色板是很被解读的。为了确保设计在后期的可行性，需要选择使用 Color Brewer的色盲安全调色板或是在线颜色色盲模拟器。尽管这有些困难，表现异常数据色板仍然值得使用。在许多情况下，特别是对于潮流趋势来说，使用这类色板区别性地图甚至比动画更有效果。(有时称为分类或专题数据)是不同于序列和异常类数据的：颜色并不是用来表示比例关系，而是被用来划分为不同类别的区域。色板也不是一系列相关的颜色，而是要包含尽可能多的不同颜色。由于认识的局限性，特别是进行同时对比时，类别的最大数量可以达到12个(实际上可能更少)。两个定性的颜色模板——来自I Want Hue(上)和Color Brewer (下)如果你需要显示两位数数量的类别,最好是把类似的类别组合在一起。这是美国地质调查局提出的16类国家土地覆盖数据库。4个城市密度用红色色块来表示、3种森林类型用不同的绿色调，以及不同类型的农田用黄色和棕色来表示。这样一组颜色模板能让美国地质调查局同时在一张波特兰，俄勒冈州周边地区的地图上展现16种土地覆盖的类别。如果需要呈现更大量的类型,可以将额外的元素,如符号、阴影、点画,或其他模式融入进来。此外,还需要给每个元素上标签。尽管地质地图甚至超过100个类别，还是稍微有点可读性的。