|
好的图形展示方式能够简明扼要地表达数据,而好的配色一方面能够突出数据的重点,另一方面能够使所有的数据和谐共存。好的配色是图的二次进化,能够赋予图片“生命”。
1, 日常生活中使用的颜色
日常生活中,我们经常提到各种颜色,例如赤橙黄绿青蓝紫,中国红,香蕉黄等,一般用来定性描述物体的颜色属性,不够精确,例如,红色,是红绿灯的红色,还是苹果的红色?所以一般不在科技论文中使用。
2, RGB配色方案
最常用的颜色方案为RGB颜色,其中R表示红色(red),G表示绿色(green),B表示蓝色(blue),即所谓的三元色,通过三元色,可以衍生出来成千上万种颜色。该颜色方案一般使用6位16进制的值(0-9,加上A、B、C、D、E、F,共16个值)来表示,其中前两位是Red的值,中间两位是Green的值,最后两位是Blue的值,每种颜色数值范围从00到FF,共16*16种,因此6位可以表示的颜色种类高达:16*16*16*16*16*16,约等于1600多万种颜色。当然,我们几乎用不到这么多种颜色,而且人眼也没办法区分细微颜色差别。
图1. 三元色
3, 透明度(alpha)
alpha一般用作不透明度参数。如果alpha为0,就是完全透明的,alpha为1表明完全不透明。在0-1之间的值可以使得图像透过背景显示出来,就像透过玻璃(半透明性),这种效果是简单的二元透明性(透明或不透明)做不到的。例如在做venn图的时候,就需要设置透明度,这样中间的重叠部分才能显示出来。否则中间重叠部分就不能完整显示出来。
因此,我们也可以在RGB颜色的基础上,使用RGBA颜色,这里的A就是alpha。
图2. 透明度
4, 背景色
一般情况下,我们作图使用的数据图背景色均为白色,而在模式图中使用背景色能够区分不同的区域或者范围,给人以视觉上的冲击。例如下图以不同的背景色表示细胞的区域,很形象。如果去掉背景色后,就会显得很单薄。
图3. 模式图的背景色
IGV基因组浏览器中,以浅色背景标注感兴趣的peak,可以突出感兴趣的区域。
图4. IGV中的背景色
5, 渐变色
渐变色可以用来表示数值大小或者程度,颜色越深数值越大,颜色越浅数值越小,例如热图。
图5. 渐变色
6, 撞色
撞色也叫对比色,就是两个不相邻的色系搭配在一起的效果,更有彼此碰撞的美感。撞色一般在颜色比较多的情况下使用,可以更容易地区分不同的区域。
撞色一般分为两种:
1)补色配合:色环中两个完全相对(180度对角)的颜色的配合,例如:红色与绿色,蓝色与橙色,黑色与白色等。
2)强烈色配合:色环中两个相隔较远的颜色相配,例如:黄色与蓝紫色,红色与黄绿色等。
图6. 撞色
例如在绘制物种分布堆叠柱状图时,使用撞色进行区分会比较明显。
7,常见期刊论文配色
每种期刊关注的内容不同,当形成自己风格后,配色也就渐渐固定下来。这里列举了常见期刊的配色方案,供参考。
图7. 常用调色板
8, 编程语言中的调色包
为了更方便地展示和调用不同的配色方案,出现了各种配色包。可以简单理解为:使用期刊名字来代替颜色编码,例如npg就代表了#E64B35、#4DBBD5、#00A087、#3C5488、#F39B7F、#8491B4、#91D1C2、#DC0000、#7E6148、#B09C85这十种颜色,在编程的时候,直接使用npg简写即可,省时,还不浪费脑细胞。
1) R语言ggsci配色包
R语言中ggsci包,可以直接使用期刊的缩写来调用颜色。ggsci工具包拓展了ggplot2绘图系统的颜色函数,并且遵从scale_col_*和scale_fill_*式的命名规则。可以根据期刊名缩写快速生成符合期刊要求的配色。此外,还有来自其他数据可视化库、科幻电影和电视作品等中的配色。
安装:install.packages(“ggsci”)
使用:
图8. ggsci代码
图9. Ggsci示例,上面为默认颜色,下面为nature publishing group颜色
2) Python配色包colorbm
Python也是我们经常使用的绘图语言,python中的colorbm(color beyond matplotlib)包也提供了众多的配色方案:ggsci 、seaborn 、cmocean、scientific、CMasher、CARTO、Material Design等,貌似是ggsci的超集!
安装:pip install colorbm
使用:
图10. colorbm代码
图11. colorbm例图
9,取色
颜色是一门学问,例如,有老师要求使用冷色调,有老师喜欢暖色调。有些图需要渐变色好看,有些图需要撞色。那么,我们需要学习怎么配色吗?个人观点:没必要,需要的时候,直接根据所选期刊,使用取色器取色即可。推荐FastStone Capture软件进行取色。
10, 科研绘图需要明确颜色编码
一张图的绘制需要对数据、绘图类型、配色等有深入了解。针对科技绘图,一般我们使用R或者Python,或者在线网站进行绘图(例如微生信),这时你需要保留绘图代码/颜色编号,以便后续进行更新,避免重复劳动。同时,期刊有自己倾向的配色,如需改投其他杂志,一般情况下需要重新绘图,以满足不同期刊编者的“癖好”。
以下是几个小技巧:
1)同一篇论文的配色一般要保持一致
2)尽量避免使用大红大绿的配色
3)一般用红色表示上调,绿色/蓝色表示下调,红色表示肿瘤患者等
4)避免使用红色和绿色配色以考虑红绿色盲读者(审稿人)的易读性,因为红绿色盲所占人口比例相当高,男性占8%,女性占0.5%。
5)不要使用过多的颜色类别
6)文字不一定一直要用黑色,需要与图片的颜色匹配
更多小技巧,欢迎留言补充!
微生信助力发文章,谷歌引用640+,知网引用480+
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-1 17:23
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社