色は無言のメタデータです。読者が軸ラベルの一つを読む前に、図のパレットはすでに「この著者は丁寧か雑か、アクセシブルか排他的か、出版準備ができているか急ごしらえか」を伝えています。それにもかかわらず、多くの研究者は直感で色を選ぶか、MatplotlibやExcelのデフォルト設定をそのまま使い続けています。
このリファレンスガイドはその問題を解決します。すべての科学者が知るべき3つのパレットファミリーを学び、7つの即使えるパレットのHEXコード表を手に入れ、自信を持って投稿できる図を作るための具体的なDo/Dontルールを持ち帰ってください。
このガイドで学べること：
- 定性・連続・発散パレットの違い、そして各パレットが適切な状況
- ~8%の色覚多様性を持つ読者にも安全なパレットの選び方
- 完全なHEXコード付きの7つの即使えるパレット
- 実際の科学的図表に色を適用するための実践的なルール
- SciDraw AI図表チェッカーを使って図を確認・仕上げる方法
色の選択が科学的決断である理由
悪いパレットは単に見栄えが悪いだけでなく、積極的に誤解を招く可能性があります。レインボー（"jet"）カラーマップはデータに存在しない偽の境界を作り出します。赤と緑のコントラストは第二色盲（最も一般的な色覚異常の形態）の読者には完全に消えてしまいます。図のパネル間で色が一致していないと、読者はパネルを移動するたびに凡例を解読し直さなければなりません。
Nature、Science、PNASなどの著名誌は、著者に「色覚バリアフリーな図」の作成を求めるケースが増えており、基本的なグレースケール変換テストに失敗した図を却下する出版社も存在します。最初から適切なパレットを選ぶことで、修正の繰り返しを省くことができます。
3つのパレットファミリー
定性パレット（Qualitative）
使用場面： 順序のないカテゴリカルデータのエンコード（細胞タイプ、実験グループ、種、治療群など）
重要原則： すべての色が等しく目立って見えること。特定の色が支配的だったり、より重要に見えてはいけません。
避けるべき落とし穴： カテゴリに明から暗への連続的な色使いを用いると、存在しないランキングを示唆してしまいます。
連続パレット（Sequential）
使用場面： 低から高へ変化する数値変数のエンコード（遺伝子発現量、温度、濃度、p値の大きさなど）
重要原則： パレットは知覚的に均一であること。データの等間隔ステップが、色の等間隔ステップに見える必要があります。これは手作りのグラデーションの多くを排除します。
避けるべき落とし穴： ゼロが意味ある基準点でないのに、両端を持つ発散パレットを使うこと。
発散パレット（Diverging）
使用場面： 中点が意味を持つデータのエンコード（fold-change（1またはlog2-fold=0を中心）、相関係数（0を中心）、異常値マップ（歴史的平均値を中心）など）
重要原則： 両端の彩度を等しくし、中点は白またはライトグレーに近い中立的な明るい色にすること（第3の彩色ではない）。
避けるべき落とし穴： 中立的な中点が無関係な鮮やかな色になっている発散パレット。これは存在しない第3カテゴリを作り出します。
定性・連続・発散の3つのパレットファミリーは、それぞれ異なる種類の科学データをエンコードします。
色覚バリアフリー：非交渉の要件
男性の約8%、女性の約0.5%が何らかの色覚異常を持っています。第二色盲（deuteranopia）と第一色盲（protanopia）（赤緑色覚異常）が最も一般的です。第三色盲（tritanopia、青黄色覚異常）は稀ですが、依然として相当数の読者に影響します。
最速のテスト： 図をグレースケールに変換する。すべてのカテゴリがまだ区別できれば、最も基本的なアクセシビリティチェックに合格です。
決定的なテスト： Coblis（色覚異常シミュレーター）またはPythonのcolorblindモジュールを使って、第二色盲、第一色盲、第三色盲をシミュレートします。論文投稿前に、SciDraw AI図表チェッカーに図を貼り付けて、アクセシビリティとフォーマットの問題を自動的に検出してください。
HEXコード付き7つの即使えるパレット
1. Okabe-Ito（定性、8色——広く推奨される色覚バリアフリーのデフォルト）
Masataka OkabeとKei Itoが色覚バリアフリーのために特別に設計（CUD 原典リファレンス）。数式からではなく経験的に開発されており、現代のほとんどのスタイルガイドで定性的な科学図表のデフォルト推奨パレットとされています。
| スウォッチ | 名称 | HEX | RGB |
|---|---|---|---|
| ■ | 黒 | #000000 | 0, 0, 0 |
| ■ | オレンジ | #E69F00 | 230, 159, 0 |
| ■ | スカイブルー | #56B4E9 | 86, 180, 233 |
| ■ | 青緑 | #009E73 | 0, 158, 115 |
| ■ | 黄色 | #F0E442 | 240, 228, 66 |
| ■ | 青 | #0072B2 | 0, 114, 178 |
| ■ | 朱色 | #D55E00 | 213, 94, 0 |
| ■ | 赤紫 | #CC79A7 | 204, 121, 167 |
最適な用途： 最大8カテゴリ；広い読者層や、アクセシビリティ要件のある学術誌向けの図。
2. Paul Tol's Bright（定性、7色）
天文学者Paul Tolが開発。白および薄いグレーの背景（学術誌の図で最も一般的）でのコントラストを優先します。
| スウォッチ | 名称 | HEX |
|---|---|---|
| ■ | 青 | #4477AA |
| ■ | シアン | #66CCEE |
| ■ | 緑 | #228833 |
| ■ | 黄色 | #CCBB44 |
| ■ | 赤 | #EE6677 |
| ■ | 紫 | #AA3377 |
| ■ | グレー | #BBBBBB |
最適な用途： 最大7グループの折れ線グラフと散布図。
3. Viridis（連続、知覚的に均一）
2015年からMatplotlibのデフォルトとして採用されている、科学分野で最も広く使われている連続カラーマップ。知覚的に均一で、色覚バリアフリーに対応し、グレースケール印刷でも良好。
| ポイント | HEX | 説明 |
|---|---|---|
| 0% | #440154 | 深紫（低値） |
| 25% | #31688E | 青 |
| 50% | #35B779 | 緑 |
| 75% | #90D743 | 黄緑 |
| 100% | #FDE725 | 明黄色（高値） |
最適な用途： ヒートマップ、密度プロット、意味のあるゼロがない任意の連続変数。
4. Plasma（連続、知覚的に均一）
Viridisよりも暖かい代替案。カラー印刷が保証されている場合に特に効果的。
| ポイント | HEX |
|---|---|
| 0% | #0D0887 |
| 25% | #7E03A8 |
| 50% | #CC4778 |
| 75% | #F89540 |
| 100% | #F0F921 |
最適な用途： 豊かなカラー印刷の補足図；顕微鏡強度マップ。
5. RdBu（発散）
ColorBrewerのクラシックな赤青発散パレット。相関行列、発現fold-change、気候異常マップに広く使われています。
| ポイント | HEX | 説明 |
|---|---|---|
| −最大 | #B2182B | 強い赤 |
| −中間 | #EF8A62 | 薄い赤 |
| 0 | #F7F7F7 | ほぼ白のニュートラル |
| +中間 | #67A9CF | 薄い青 |
| +最大 | #2166AC | 強い青 |
最適な用途： 相関行列、fold-changeヒートマップ、ゼロに自然な中点がある任意のデータ。
6. PRGn（発散、色覚バリアフリーに優しい）
紫緑発散パレット。赤緑のコントラストを避けるため、第二色盲および第一色盲の読者に対して、RdBuよりも大幅に優れたパフォーマンスを発揮します。
| ポイント | HEX |
|---|---|
| −最大 | #762A83 |
| −中間 | #C2A5CF |
| 0 | #F7F7F7 |
| +中間 | #7FBF7B |
| +最大 | #1B7837 |
最適な用途： 赤緑アクセシビリティが懸念される発散データのあらゆるユースケース。
7. Nature/Cell風の落ち着いた定性パレット（5色）
NatureおよびCell系統の学術誌の図で使われる、控えめで出版品質のスタイルに近似したパレット。高彩度を避けながら明確なカテゴリ区別を維持します。
| スウォッチ | HEX | 典型的な用途 |
|---|---|---|
| ■ | #4E79A7 | グループ1 / 対照 |
| ■ | #F28E2B | グループ2 / 処理 |
| ■ | #E15759 | グループ3 / ハイライト |
| ■ | #76B7B2 | グループ4 |
| ■ | #59A14F | グループ5 |
最適な用途： 高インパクト学術誌への投稿論文の棒グラフ、箱ひげ図、多折れ線グラフ。
カテゴリチップと知覚的に均一なグラデーションを整理したリファレンスシートがあれば、SciDraw AIで検証済みのパレットを簡単に再利用できます。
パレット比較：いつどれを使うか
| パレット | タイプ | 色数 | 色覚バリアフリー | グレースケール | 最適な学術誌の場面 |
|---|---|---|---|---|---|
| Okabe-Ito | 定性 | 8 | 優秀 | 良好 | あらゆる場面；アクセシビリティ重視の学術誌 |
| Tol Bright | 定性 | 7 | 良好 | 中程度 | 折れ線/散布図 |
| Viridis | 連続 | 連続 | 優秀 | 優秀 | ヒートマップ、密度図 |
| Plasma | 連続 | 連続 | 優秀 | 良好 | カラー印刷保証の場面 |
| RdBu | 発散 | 連続 | 中程度 | 良好 | 相関、fold-change |
| PRGn | 発散 | 連続 | 良好 | 良好 | アクセシビリティ重要な発散データ |
| Nature Muted | 定性 | 5 | 良好 | 中程度 | 高インパクト学術誌投稿論文 |
科学的図表のための実践的Do/Don't
すべき事
- すること： 連続データには知覚的に均一な連続パレット（Viridis、Plasma、Cividis）を使用する。
- すること： 投稿前にすべての図をグレースケールでテストする——多くの査読者が白黒印刷する。
- すること： 多パネル図のすべてのパネルで同じパレットを一貫して使用する。SciDraw AI 科学図表メーカーで多パネルレイアウトを作成する場合は、プロジェクトレベルでパレット設定をロックして一貫性を確保する。
- すること： 中点が科学的に意味を持つ場合にのみ発散パレットを選択する。
- すること： カラー軸（カラーバー）に正確な変数と単位を表示する。
- すること： 完成した図を専用の品質チェックツールで確認する。SciDraw AI図表チェッカーは一般的な色とコントラストの問題を自動的に検出する。
すべきでない事
- してはいけない： 科学データにjet/レインボーカラーマップを使用すること。知覚的に均一でなく、偽の輪郭を作り出し、すべての色覚バリアフリーテストに失敗する。
- してはいけない： 8つを超える定性カテゴリを色だけでエンコードすること——形状やパターンの冗長性を追加する。
- してはいけない： アクセシビリティを確認せずに赤と緑を発散パレットの両端に使用すること。
- してはいけない： 厳密に正またはゼロ未満のデータに発散パレットを適用すること。
- してはいけない： 同じ変数を示す図のパネル間でパレットを変更すること。
- してはいけない： 色を唯一の視覚チャネルとして使用すること——可能な限り形状、線スタイル、直接注釈と組み合わせる。
知覚的に均一なカラーマップ（左）はデータを忠実に表現しますが、レインボーの"jet"マップ（右）は偽の境界を作り出します。
一般的なツールでこれらのパレットを適用する
Python（Matplotlib / Seaborn）
import matplotlib.pyplot as plt
import matplotlib.colors as mcolors
# Okabe-Itoパレット
okabe_ito = ['#000000','#E69F00','#56B4E9','#009E73',
'#F0E442','#0072B2','#D55E00','#CC79A7']
# デフォルトの色サイクルとして使用
plt.rcParams['axes.prop_cycle'] = plt.cycler(color=okabe_ito)
# ViridisはMatplotlibのデフォルト連続カラーマップ
plt.imshow(data, cmap='viridis')R（ggplot2）
library(ggplot2)
# colorblind-friendlyパッケージ経由のOkabe-Ito
library(ggthemes)
scale_colour_colorblind()
# または手動で指定
okabe <- c("#E69F00","#56B4E9","#009E73","#F0E442","#0072B2","#D55E00","#CC79A7")
scale_colour_manual(values = okabe)Adobe Illustrator / Inkscape
HEXコードをスウォッチに直接インポートします。パネル間のパレット一貫性を確保するため、プロジェクトごとに名前付きスウォッチグループを作成してください。次に図ファイルをエクスポートし、SciDraw AI グラフィカルアブストラクトメーカーを使って、洗練された出版準備完了のレイアウトに統合します。
パレットから出版準備完了の図へ
適切な色を選ぶことは第一歩です。出版準備には以下も必要です：
- 正しいフォントサイズ（ほとんどの学術誌でラベルの最小6pt；8–10pt推奨）
- 縮小に耐える線の太さ（min. 0.5pt）
- 学術誌の仕様に合った図のサイズ
- ラスター要素の解像度は最低300DPI
SciDraw AI 科学図表メーカーはサイズと解像度の要件を自動的に処理し、SciDraw AI グラフィカルアブストラクトメーカーはデータ図を視覚的に一貫した1ページサマリーに統合するのに役立ちます。完成したファイルを図表チェッカーで確認して、見落とした点を修正しましょう。
よくある質問
Q: ヒートマップには常にViridisを使うべきですか？
Viridisは優れたデフォルトですが、唯一の選択肢ではありません。InfernoとCividisも知覚的に均一で色覚バリアフリーに対応しています。視覚的なコンテキストに基づいて選択してください。Viridisは多くの読者に「冷たいから暖かい」と読まれますが、これがデータのナラティブに合うかどうかは場合によります。データが方向性のない強度や数を表している場合は、3つとも適切です。
Q: 定性パレットで8色以上使えますか？
使えますが、8カテゴリを超える場合は色だけに頼るべきではありません。8色を超えると、カテゴリ区別に対する人間の知覚が著しく低下します。形状マーカー（円、正方形、三角形）、線スタイル（実線、破線、点線）、または直接ラベルを追加して色エンコーディングを補完してください。
Q: 最低限どのくらいのカラーバー解像度を含めるべきですか？
カラーバーには、完全なデータ範囲にわたって定期的な間隔で最低5つのラベル付きティックマークが必要です。カラーバーのラベルには正確な単位を記載してください。発散パレットの場合は、常に中点値を明示的にラベル付けしてください。
Q: 学術誌がCMYK図を要求しています。これらのHEXコードはまだ適用できますか？
HEXコードはRGBです。最終提出前に、学術誌のICCプロファイル（通常はAdobe RGB 1998またはsRGB IEC61966-2.1をソースプロファイルとして使用）を使ってCMYKに変換してください。色は若干変化します——特に飽和した黄色（Viridisの明るい端など）はCMYKで濁ることがあるため、CMYK校正を慎重に確認してください。不明な点は制作部門にカラー校正を依頼してください。
Q: すべての種類の色盲に十分安全な単一のパレットはありますか？
3つの主要なタイプ（第一色盲、第二色盲、第三色盲）すべてに同時に完璧なパレットは存在しませんが、定性データに対してはOkabe-Itoが最も近いです。連続および発散パレットについては、Cividisがすべての形態の色覚異常に特化して最適化されています。Coblisシミュレーターを使用して、特定のパレットを3つすべての条件に対して検証してください。
Q: 異なるモニターやプロジェクターで色が正しく表示されるようにするにはどうすればいいですか？
モニターをsRGBカラースペースに合わせてキャリブレーションしてください。これは画面向けの学術図表の標準的な前提条件です。大きな部屋でプロジェクターを使ったプレゼンテーションでは、コントラストを上げ、非常に明るい色を避けてください（明度が約85%を超えるものはほとんどのプロジェクターで洗い流されます）。可能であれば、実際のプロジェクション環境でスライドをテストしてください。
