文 | Samantha Zhang來源 | GRAPHIQ

摘要：雖然如今好的配色方案已經唾手可得，但為數據可視化找到合適的配色方案，卻仍是一項巨大挑戰。

在Graphiq，事情甚至更加棘手，因為我們要通過上千種各不相同的數據集合來傳遞信息，它們有著各自迥異的視覺表現。
目前的問題
我們沒有立刻開始建立自己的配色表，而是發起了一些調查，研究網絡上已存在的配色方案。令人驚訝的是，我們發現其中只有少數是為復雜的圖表和數據可視化而設計的。我們發現一些不能使用現有配色的原因。
問題1：辨識度低
我們看過的許多配色方案都不適用于數據可視化。不僅由于顏色的明度差異不大，其實它們在創造時就沒有考慮過辨識度。Flat UI配色是最廣泛使用的配色之一，原因顯而易見：它非常優秀。但是，正如它名字所述，這是為界面而設計的。使用Flat UI配色的話，色盲者就難以辨認出數據圖像。

Flat UI配色的完整色彩、紅色盲模式、灰度模式。
問題2：色彩不夠多
另一個問題是，許多現有配色方案沒有足夠的顏色。創造Graphiq的數據可視化時，我們需要至少6種顏色的配色方案，甚至有時需要8到12種顏色，才能滿足所有的應用場景。我們看過的許多配色方案都沒有足夠多的色彩供選擇。
下面是Color Hunt里的一些例子：
雖然這些都是很棒的配色，但它們都不夠靈活，無法提供豐富的色系。
問題3：難以區分
不過等一下，還有一些配色方案看起來像是漸變——理論上說可以創造出任意數量的顏色，對吧？
不幸的是，它們明度差異通常不大，其中許多顏色很容易變得無法區分，就像這一組，同樣來自Color Hunt：
我們試著選第一組，把它擴展為10級色彩：

如果普通用戶能正確的區分出這些顏色，并與相應的數據項對應起來，我就服了，尤其是能區分出左邊的4種綠色。
我們的方式
在Graphiq，我們以數據為生命，并且投入了大量時間尋找能夠用于數據可視化的配色方案，不是一組，而是許多組。我們在這個過程中受益良多，并且打算分享這些能夠創造出靈活配色的準則：
第1條：色調與明度的跨度都要大
要確保配色非常容易辨識與區分，它們的明度差異一定要夠大。明度差異需要全局考慮。選擇一種單色系的配色，并且測試它在紅色盲、綠色盲與灰度模式下的表現。你就能迅速了解這個配色的辨識度水平。

Google Material配色中的淺藍色的完整色彩、紅色盲模式與灰度模式。
但是，有一組明度跨度大的配色還不夠。配色越多樣，用戶越容易將數據與圖像聯系起來。如果能善加利用色調的變化，就能使非色盲用戶更加輕松。

對于明度與色調，跨度越大，就能承載越多的數據。
第2條：仿照自然的配色
設計師都知道一個小秘密，對于理性派們而言這似乎不符合常識：并非所有顏色都是均等的。
從純數學的角度來看，淡紫到深黃的過渡，與淡黃到深紫的過渡，感覺大概相似。但我們在下面可以看到，前者感覺很自然，后者則不是。

這是由于我們已經習慣于那些長期存在于自然界中的漸變。在華麗的日落中，我們就能看到明黃色向深紫色的漸變，但卻沒有哪里能看到淡紫色向深黃色的過渡。
照片來源于Kyle Pearce、Wesley Fryer、和Jon Sullivan。
類似地，還有淺綠色到藏藍色、鵝黃色到深綠色、棕紅色到藍灰色，等等。

照片來源于Kbh3rd、Ian Britton、和Jon Sullivan。
由于我總能看到這些自然的漸變，所以當我們在可視化圖表中看到對應的配色時，會感覺熟悉和愉快。
第3條：使用漸變，不要選擇一系列固定顏色
漸變配色結合不同色調，對兩者都最好。無論你需要2種顏色還是10種，漸變中都能提取出這些顏色，讓可視化圖表感覺自然，同時保有足夠的色調與明度差異。
改用漸變的思維并不容易，不過有個好方法，可以在Photoshop中拉輔助線到斷點位置，與數據的數量對應上，然后持續對漸變進行測試與調整。以下是我們在修正漸變時產生的屏幕截圖。
可以看到，我們將配色表緊挨著頂部的灰度漸變，調整漸變疊加(之后就能得到精確的漸變色值)，然后從那些斷點處選取顏色，測試配色在實際運用中的效果。
我們的配色方案
我們對最終成果感到興奮。下面是我們使用的部分配色，它們都有從純白到純黑的漸變，以達到最大限度的明度差異。

冷色、暖色和霓虹色。
配色的實際運用

長話短說
盡管優秀的配色方案越來越多，但并非所有都適用于圖表和數據可視化。我們的配色方法就是創建色調與明度變化都足夠大的自然漸變。這么做能使我們的配色便于色盲辨識，對其他人則更明顯，并且可以滿足1到12種數據。
閱讀、工具和資源 [更新]
這個過程中，我們發現了一些很棒的資源和文章，與我們得出的結論類似，但他們采用了更精確的方法，甚至鉆研了色彩理論。我們覺得應該分享出來，供大家深度閱讀：
閱讀
如何避免等差的HSV顏色，作者Gregor Aisch
通過chroma.js控制多色調的色彩比例，作者Gregor Aisch
微妙的顏色，作者Robert Simmon
翠綠配色方案，作者Bob Rudis、Noam Ross和Simon Garnier
MATLAB色彩地圖，作者Steve Eddins
工具
數據顏色采集工具——一件很趁手的工具，讓你保持濃度不變的同時輕松選擇配色
Chroma.js——一個處理色彩的JavaScript庫
Colorbrewer2——熱點圖與數據可視化顏色工具，自帶了多色調與單色調的方案
其他資源
我們還找到一些其他愛不釋手的配色資源。雖然它們并非專為數據可視化而設計，不過我們覺得或許對你有幫助。
ColorHunt——高質量配色方案，能夠快速預覽，如果你只需要4種顏色，這是絕佳的資源
COLOURlovers——很棒的顏色社區，其中有許多工具可以創建配色方案，還有設計模式
ColorSchemer Studio——強大的桌面取色應用
Coolors——輕量級隨機配色生成器，你可以鎖定你想要的顏色，然后替換其他的
Flat UI Colors——很棒的UI配色，這是最流行的配色之一
Material Design Colors——另一套優秀的UI配色。它不僅提供了跨度巨大的顏色，也為每種顏色提供了不同的“色深”，或者說明度
Palettab——一個Chrome插件，在每個標簽頁里呈現一套新的配色方案和字體靈感
Swiss Style Color Picker——另一個優秀的配色方案集
希望本文對你有所幫助！你建立配色方案的過程是怎樣的？你還用到其他的工具嗎？我們想聽聽你在配色與可視化圖表方面的經驗。

作者簡介：Samantha Zhang
Senior UI/UX @GraphiqHQ. Tutorial writer @TutsPlusCode. Product maker. Data nerd. Side project ninja. More at http：//samanthaz.me/ and @moyicat
本文鏈接：https：//medium.com/graphiq-engineering/finding-the-right-color-palettes-for-data-visualizations-fcd4e707a283#.s6benocrb