面向色盲友好科研图表的科研配色生成器

Okabe 和 Ito（2002）设计的 8 种离散颜色，让 protanopia、deuteranopia、tritanopia 读者也能区分每个类别。科研出版中最广泛推荐的分类色板。

→ 柱状图、散点图、多线图最多 7 组。

来源: Okabe & Ito, 2002

Paul Tol 的 bright 系列：7 种颜色，已通过色盲与 PDF 印刷转换测试。Okabe-Ito 的黄色在投影仪上偏弱时的首选分类色板。

→ 7 组问卷图、课件、需要印刷再现的海报。

来源: Paul Tol, 2018

Tableau 旗舰分类色板，也是 matplotlib 2015 年后的默认色板。并非色盲安全——相邻的红绿在 deuteranopia 下会冲突——但视觉平衡且 dashboard 用户广泛认得。

→ 内部分析 dashboard、对评审可访问性不强制的高管汇报。

来源: Tableau Software (matplotlib 2.0+ default)

ColorBrewer 的粉彩分类系列：饱和度较低，对大面积填充的图更柔和。并非完全色盲安全。

→ 堆叠面积图、饼图、最多 8 类的等值区域图。

来源: ColorBrewer 2.0 (colorbrewer2.org)

算法生成的最大可区分色板，用于真正需要 10 类以上的场景。本工具展示的 8 个 hex 取自 colorcet 的 glasbey_bw_minc_20（避开接近黑白的极端值）前 8 个。并非色盲安全，但当其它色板都失效时，这是唯一诚实的答案。

→ 10–20 类的聚类图、细胞类型图、无法使用直接标签的情形。

来源: colorcet glasbey_bw_minc_20, first 8

感知均匀的紫色到黄色渐变，亮度单调递增。设计目标即同时兼容色觉缺陷和灰度转换。严肃科研作图的 matplotlib jet 替代品。

→ 热图、密度图、强度图、顺序连续数据。

来源: matplotlib van der Walt & Smith, 2015

针对 deuteranomaly 与 protanomaly 进行数学优化。深蓝到黄色的渐变在常规视觉与多数 CVD 视觉下都保持亮度单调，且印刷再现可预测。

→ 已知受众包含色盲读者时的顺序图表。

来源: Nuñez, Anderton & Renslow, 2018 (PLOS ONE)

ColorBrewer 的黄-橙-红顺序渐变。并非色盲安全——protanopia 读者会压缩红端——但热度与风险层级图的不二之选。

→ 风险热图、温度渐变、需要暖色承载语义的严重程度指数。

来源: ColorBrewer 2.0 sequential

ColorBrewer 的红-白-蓝 diverging 色板。两端朝中性中点对称递进，最适合围绕零点的数据。科研图中使用最广泛的 diverging 色板。

→ 相关矩阵、log fold change 热图、异常图。

来源: ColorBrewer 2.0 diverging

Fabio Crameri 的 perceptually uniform diverging colormap，为地球物理设计但已被神经科学与气候科学广泛采用。从构造上即色盲安全，中点两侧亮度对称。本工具展示的 5 个 hex stop 是从官方 256 色 vik.txt 等步采样得到的。

→ 地球物理异常图、神经科学激活图、任何需要通过 CB 评审的 diverging 图。

来源: Crameri Scientific Colour Maps, vik (5-stop sampled)