[数据分析与可视化] 数据绘图要点9-颜色的选择
数据绘图要点9-颜色的选择
颜色是数据可视化中传达信息的主要媒介之一。它们允许我们适当突出显示组或变量,但颜色错误的选择可能会造成混淆或误导。本文主要介绍如何在绘图时选择合适的颜色。
颜色绘图要点
准确选择图表类型
如下图所示,左图选择使用渐变色表现变量值的变化趋势,但是渐变色很难体现实际值之间的差异。因此推荐使用条形、位置(如在点图中)甚至区域来显示最重要的值,而颜色仅用于显示类别,如右图所示。
此外如果图表中显示超过七种颜色,应该考虑使用其他图表类型或将类别组合在一起。如下图所示。左图颜色过多导致图片难以阅读,我们可以通过考虑使用另一种图表类型如右图所示,更好展示数据。
如何做出更好的颜色选择
考虑对相同的变量使用相同的颜色
如下图所使,同一个变量在不同图表类型中应该使用同样的颜色。
准确表示颜色表示的信息
应准确解释颜色代表的信息,如条形的高度是什么意思?符圆圈的大小代表什么?颜色也是如此。下图就是一个典型实例。
对图表中不太重要的元素使用灰色
对图表中不太重要的元素使用灰色会使您的突出显示颜色(最重要的数据点)更加突出。灰色对于一般上下文数据、不太重要的注释、用户未选择的内容或使图表的整体视觉印象平静下来很有帮助。由于灰色看起来有点冷,请考虑将其与暖色一起使用。如下图左图所示,过多数据容易导致颜色混乱。右图通过灰色表示不重要数据,展示效果要好很多。
使用直观的颜色
选择调色板时,请考虑它们在目标受众文化中的意义。如果可能,使用读者无论如何都会与您的数据相关联的颜色,例如自然色:森林=绿色,湖泊=蓝色;或学习颜色:红色 = 注意力/停止/坏,绿色 = 好(运行)。在对性别数据进行颜色选择时,为了不完全混淆您的读者,请为男性尝试冷色(例如蓝色或紫色),为女性尝试暖色(例如黄色、橙色或暖绿色)。如下图所示。
对低值使用浅色,对高值使用深色
使用颜色渐变时,请确保亮色代表低值,而深色代表高值。这对大多数读者来说是最直观的。如下图所示。
不要对类别使用渐变调色板,反之亦然
许多人会将深色与“多/高”联系起来,将亮色与“少/低”联系起来,这样的调色板将暗示您的类别排名。为您的类别使用不同的色调(绿色、黄色、粉红色等)以避免这种情况。但是如果发现图表过于丰富多彩,请考虑为您的数据使用另一种图表类型。
考虑为渐变使用两种色调,而不仅仅是一种
如果通过亮度和两个或三个精心挑选的色调进行颜色显示,读者将能够更好地区渐变色。
学术绘图
关于学术绘图和考虑色盲区分图片,可以看看文章[数据分析与可视化] 科技论文配色心得
绘图实例
总之颜色的选择最重要的一点就是,用最合适的颜色突出最有用的信息。下面介绍一个应用实例,关于某个商品各个国家出口数据展示。让我们看看如何更加有效展示颜色信息。
# 加载库
library(tidyverse)
library(hrbrthemes)
library(viridis)
# # 加载数据
data <- read.table("https://raw.githubusercontent.com/holtzy/data_to_viz/master/Example_dataset/7_OneCatOneNum.csv", header=TRUE, sep=",")
# 创建颜色调色板
mycolors <- colors()[sample(1:400, nrow(data))]
# 处理数据
data<-filter(data,!is.na(Value))
data<-arrange(data,Value)
data<-tail(data,20)
data<-mutate(data,Country=factor(Country, Country))
# 绘图
ggplot(data,aes(x=Country, y=Value, fill=Country) ) +
geom_bar(stat="identity") +
scale_fill_manual( values = mycolors ) +
coord_flip() +
theme(
panel.grid.minor.y = element_blank(),
panel.grid.major.y = element_blank(),
legend.position="none"
) +
xlab("") +
ylab("Weapon quantity (SIPRI trend-indicator value)")
由上图可以看到颜色过于复杂,各组的颜色都是随机表示,会导致数据信息难以阅读。你的目的是让观众了解数据信息,一种好的办法就是用同样的颜色显示各组信息。如下图所示,这是使用单一颜色的相同图形。在我看来,它更好地传达了信息:
ggplot(data, aes(x=Country, y=Value) ) +
geom_bar(stat="identity", fill="#69b3a2") +
coord_flip() +
theme(
panel.grid.minor.y = element_blank(),
panel.grid.major.y = element_blank(),
legend.position="none"
) +
xlab("") +
ylab("Weapon quantity (SIPRI trend-indicator value)")
当然,可以使用突出颜色显示所选某些重要数据,这是一种常见的做法。
ggplot(data, aes(x=Country, y=Value, fill=Value) ) +
geom_bar(stat="identity") +
scale_fill_viridis() +
coord_flip() +
theme(
panel.grid.minor.y = element_blank(),
panel.grid.major.y = element_blank(),
legend.position="none"
) +
xlab("") +
ylab("Weapon quantity (SIPRI trend-indicator value)")
参考
本文来自博客园,作者:落痕的寒假,转载请注明原文链接:https://www.cnblogs.com/luohenyueji/p/16970198.html
![](https://gitcode.net/LuohenYJ/article_picture_warehouse/-/raw/main/wechat/content/%E5%8A%A0%E6%B2%B9%E9%B8%AD.gif)