색상은 무언의 메타데이터입니다. 독자가 축 레이블 하나를 읽기 전에, 그림의 팔레트는 이미 '이 저자가 꼼꼼한지 허술한지, 접근성을 고려했는지 배려가 없는지, 출판 준비가 됐는지 급하게 만들었는지'를 알려줍니다. 그러나 대부분의 연구자는 직관으로 색을 고르거나, Matplotlib이나 Excel의 기본값을 그냥 쓰고 맙니다.
이 레퍼런스 가이드가 그 문제를 해결합니다. 모든 과학자에게 필요한 세 가지 팔레트 유형을 배우고, 7가지 바로 사용 가능한 팔레트의 복사 가능한 HEX 표를 얻고, 자신 있게 제출할 수 있는 그림을 위한 구체적인 Do/Don't 규칙을 익혀가세요.
이 가이드에서 배울 것:
- 정성적·순차적·발산 팔레트의 차이와 각각이 적합한 상황
- 색각 이상이 있는 ~8%의 독자에게 안전한 팔레트
- 전체 HEX 코드가 포함된 7가지 즉시 사용 팔레트
- 실제 과학 그림에 색상을 적용하는 실용적인 규칙
- SciDraw AI 그림 검사기로 그림을 검토하고 완성하는 방법
색상 선택이 과학적 결정인 이유
나쁜 팔레트는 단순히 보기 좋지 않은 것을 넘어서, 능동적으로 오해를 유발할 수 있습니다. 무지개("jet") 색상 맵은 데이터에 존재하지 않는 경계를 만들어냅니다. 적녹 대비는 제2색맹(가장 흔한 색각 이상 유형) 독자에게는 완전히 사라집니다. 그림 패널 간에 정성적 색상이 일치하지 않으면 독자는 패널을 이동할 때마다 범례를 다시 해독해야 합니다.
Nature, Science, PNAS 같은 저명 학술지는 저자들에게 "색각 이상 독자도 접근 가능한 그림"을 점점 더 요구하고 있으며, 일부 출판사는 기본적인 회색조 변환 테스트를 통과하지 못한 그림을 거절합니다. 처음부터 올바른 팔레트를 선택하면 수정 주기를 줄일 수 있습니다.
세 가지 팔레트 유형
정성적 팔레트
사용 상황: 고유한 순서가 없는 범주형 데이터 인코딩 — 세포 유형, 실험 그룹, 종, 치료군.
핵심 원칙: 모든 색상이 동등하게 두드러져 보여야 합니다. 특정 색조가 지배적이거나 더 중요해 보여서는 안 됩니다.
피해야 할 함정: 카테고리에 밝음에서 어두움으로 가는 순차적 색상 램프를 사용하면 존재하지 않는 순위를 암시합니다.
순차적 팔레트
사용 상황: 낮은 값에서 높은 값으로 가는 수치 변수 인코딩 — 유전자 발현 수준, 온도, 농도, p값 크기.
핵심 원칙: 팔레트는 지각적으로 균일해야 합니다: 데이터의 동등한 간격이 색상의 동등한 간격으로 보여야 합니다. 이는 대부분의 수작업 그라데이션을 배제합니다.
피해야 할 함정: 0이 의미 있는 기준점이 아닌데 양쪽 끝이 있는 발산 팔레트를 사용하는 것.
발산 팔레트
사용 상황: 중간점이 의미 있는 데이터 인코딩 — fold-change(1 또는 log2-fold = 0 중심), 상관 계수(0 중심), 이상 지도(역사적 평균 중심).
핵심 원칙: 양 끝은 채도가 같아야 하고, 중간점은 중립적이고 밝은 색(흰색 또는 연한 회색에 가까운)이어야 하며, 세 번째 채도 높은 색이 되어서는 안 됩니다.
피해야 할 함정: 중립적인 중간점이 관련 없는 밝은 색인 발산 팔레트 — 이는 존재하지 않는 세 번째 카테고리를 만들어냅니다.
색각 이상 안전성: 타협할 수 없는 요건
남성의 약 8%, 여성의 약 0.5%가 어떤 형태로든 색각 이상을 가지고 있습니다. 제2색맹과 제1색맹(적녹 이상)이 가장 흔합니다. 제3색맹(청황 이상)은 드물지만 여전히 상당수의 독자에게 영향을 미칩니다.
가장 빠른 테스트: 그림을 회색조로 변환합니다. 모든 카테고리가 여전히 구분 가능하면, 가장 기본적인 접근성 검사를 통과한 것입니다.
결정적 테스트: Coblis(색각 이상 시뮬레이터) 또는 Python의 colorblind 모듈을 사용해 제2색맹, 제1색맹, 제3색맹을 시뮬레이션합니다. 학술지에 제출하기 전에 SciDraw AI 그림 검사기에 그림을 붙여넣어 접근성 및 형식 문제를 자동으로 감지하세요.
HEX 코드가 포함된 7가지 즉시 사용 팔레트
1. Okabe-Ito (정성적, 8색 — 색각 이상 안전성의 황금 기준)
Masataka Okabe와 Kei Ito가 색각 이상 접근성을 위해 특별히 설계했습니다. 현대 대부분의 스타일 가이드에서 정성적 과학 그림의 권장 기본 팔레트입니다.
| 견본 | 이름 | HEX | RGB |
|---|---|---|---|
| ■ | 검정 | #000000 | 0, 0, 0 |
| ■ | 주황 | #E69F00 | 230, 159, 0 |
| ■ | 하늘색 | #56B4E9 | 86, 180, 233 |
| ■ | 청록 | #009E73 | 0, 158, 115 |
| ■ | 노랑 | #F0E442 | 240, 228, 66 |
| ■ | 파랑 | #0072B2 | 0, 114, 178 |
| ■ | 주홍 | #D55E00 | 213, 94, 0 |
| ■ | 붉은 보라 | #CC79A7 | 204, 121, 167 |
가장 적합: 최대 8개 카테고리; 광범위한 독자층이나 접근성 요건이 있는 학술지를 대상으로 하는 그림.
2. Paul Tol's Bright (정성적, 7색)
천문학자 Paul Tol이 개발, 흰색과 연한 회색 배경(학술지 그림에서 가장 일반적)에서 대비를 우선시합니다.
| 견본 | 이름 | HEX |
|---|---|---|
| ■ | 파랑 | #4477AA |
| ■ | 청록 | #66CCEE |
| ■ | 초록 | #228833 |
| ■ | 노랑 | #CCBB44 |
| ■ | 빨강 | #EE6677 |
| ■ | 보라 | #AA3377 |
| ■ | 회색 | #BBBBBB |
가장 적합: 최대 7개 그룹의 꺾은선 그래프 및 산점도.
3. Viridis (순차적, 지각적 균일성)
2015년부터 Matplotlib의 기본값으로 채택된 과학 분야에서 가장 광범위하게 사용되는 순차적 색상 맵. 지각적으로 균일하고, 색각 이상에 안전하며, 회색조 인쇄에도 잘 어울립니다.
| 지점 | HEX | 설명 |
|---|---|---|
| 0% | #440154 | 진한 보라 (낮은 값) |
| 25% | #31688E | 파랑 |
| 50% | #35B779 | 초록 |
| 75% | #90D743 | 황록 |
| 100% | #FDE725 | 밝은 노랑 (높은 값) |
가장 적합: 히트맵, 밀도 플롯, 의미 있는 0이 없는 모든 연속 변수.
4. Plasma (순차적, 지각적 균일성)
Viridis보다 따뜻한 대안. 컬러 인쇄가 보장될 때 특히 효과적입니다.
| 지점 | HEX |
|---|---|
| 0% | #0D0887 |
| 25% | #7E03A8 |
| 50% | #CC4778 |
| 75% | #F89540 |
| 100% | #F0F921 |
가장 적합: 풍부한 컬러 인쇄가 있는 보충 그림; 현미경 강도 맵.
5. RdBu (발산)
ColorBrewer의 고전적인 적청 발산 팔레트. 상관 행렬, 발현 fold-change, 기후 이상 지도에 널리 사용됩니다.
| 지점 | HEX | 설명 |
|---|---|---|
| −최대 | #B2182B | 강한 빨강 |
| −중간 | #EF8A62 | 연한 빨강 |
| 0 | #F7F7F7 | 거의 흰색 중립 |
| +중간 | #67A9CF | 연한 파랑 |
| +최대 | #2166AC | 강한 파랑 |
가장 적합: 상관 행렬, fold-change 히트맵, 0에 자연스러운 중간점이 있는 모든 데이터.
6. PRGn (발산, 색각 이상 친화적)
보라-초록 발산 팔레트. 적녹 대비를 피하기 때문에, 제2색맹 및 제1색맹 독자에게 RdBu보다 훨씬 우수한 성능을 보입니다.
| 지점 | HEX |
|---|---|
| −최대 | #762A83 |
| −중간 | #C2A5CF |
| 0 | #F7F7F7 |
| +중간 | #7FBF7B |
| +최대 | #1B7837 |
가장 적합: 적녹 접근성이 우려되는 모든 발산 데이터 사용 사례.
7. Nature/Cell 스타일 뮤트 정성적 팔레트 (5색)
Nature 및 Cell 계열 학술지의 그림에서 사용되는 절제되고 게재 품질의 스타일을 근사화한 팔레트. 높은 채도를 피하면서 명확한 카테고리 구분을 유지합니다.
| 견본 | HEX | 일반적인 용도 |
|---|---|---|
| ■ | #4E79A7 | 그룹 1 / 대조군 |
| ■ | #F28E2B | 그룹 2 / 처리군 |
| ■ | #E15759 | 그룹 3 / 강조 |
| ■ | #76B7B2 | 그룹 4 |
| ■ | #59A14F | 그룹 5 |
가장 적합: 고영향력 학술지 투고 논문의 막대 그래프, 상자 그림, 다중 꺾은선 그래프.
팔레트 비교: 언제 무엇을 사용할지
| 팔레트 | 유형 | 색상 수 | 색각 이상 안전 | 회색조 | 최적 학술지 상황 |
|---|---|---|---|---|---|
| Okabe-Ito | 정성적 | 8 | 우수 | 양호 | 모든 상황; 접근성 중심 학술지 |
| Tol Bright | 정성적 | 7 | 양호 | 보통 | 꺾은선/산점도 |
| Viridis | 순차적 | 연속 | 우수 | 우수 | 히트맵, 밀도도 |
| Plasma | 순차적 | 연속 | 우수 | 양호 | 컬러 인쇄 보장 |
| RdBu | 발산 | 연속 | 보통 | 양호 | 상관관계, fold-change |
| PRGn | 발산 | 연속 | 양호 | 양호 | 접근성 중요 발산 데이터 |
| Nature Muted | 정성적 | 5 | 양호 | 보통 | 고영향력 학술지 투고 논문 |
과학 그림을 위한 실용적 Do/Don't
해야 할 것
- 하세요: 연속 데이터에는 지각적으로 균일한 순차적 팔레트(Viridis, Plasma, Cividis)를 사용하세요.
- 하세요: 제출 전에 모든 그림을 회색조로 테스트하세요 — 많은 심사자가 흑백 인쇄를 합니다.
- 하세요: 다중 패널 그림의 모든 패널에서 동일한 팔레트를 일관되게 사용하세요. SciDraw AI 과학 그림 메이커로 다중 패널 레이아웃을 만들 때 일관성을 위해 프로젝트 레벨에서 팔레트 설정을 잠그세요.
- 하세요: 중간점이 과학적으로 의미 있을 때만 발산 팔레트를 선택하세요.
- 하세요: 색상 축(컬러바)에 정확한 변수와 단위를 표시하세요.
- 하세요: 완성된 그림을 전용 품질 검사 도구로 확인하세요. SciDraw AI 그림 검사기는 일반적인 색상 및 대비 문제를 자동으로 감지합니다.
하지 말아야 할 것
- 하지 마세요: 과학 데이터에 jet/무지개 색상 맵을 사용하는 것. 지각적으로 균일하지 않고, 거짓 윤곽을 만들어내고, 모든 색각 이상 테스트에 실패합니다.
- 하지 마세요: 8개를 넘는 정성적 카테고리를 색상만으로 인코딩하는 것 — 모양이나 패턴 중복성을 추가하세요.
- 하지 마세요: 접근성을 확인하지 않고 발산 팔레트의 양 끝에 빨강과 초록을 사용하는 것.
- 하지 마세요: 순전히 양수 또는 순전히 음수 데이터에 발산 팔레트를 적용하는 것.
- 하지 마세요: 같은 변수를 보여주는 그림 패널 간에 팔레트를 변경하는 것.
- 하지 마세요: 색상을 유일한 시각 채널로 의존하는 것 — 가능한 곳에서 항상 모양, 선 스타일, 직접 주석과 결합하세요.
일반적인 도구에서 이러한 팔레트 적용하기
Python (Matplotlib / Seaborn)
import matplotlib.pyplot as plt
import matplotlib.colors as mcolors
# Okabe-Ito 팔레트
okabe_ito = ['#000000','#E69F00','#56B4E9','#009E73',
'#F0E442','#0072B2','#D55E00','#CC79A7']
# 기본 색상 사이클로 사용
plt.rcParams['axes.prop_cycle'] = plt.cycler(color=okabe_ito)
# Viridis는 이미 Matplotlib의 기본 순차적 색상 맵
plt.imshow(data, cmap='viridis')R (ggplot2)
library(ggplot2)
# colorblind-friendly 패키지를 통한 Okabe-Ito
library(ggthemes)
scale_colour_colorblind()
# 또는 수동으로 지정
okabe <- c("#E69F00","#56B4E9","#009E73","#F0E442","#0072B2","#D55E00","#CC79A7")
scale_colour_manual(values = okabe)Adobe Illustrator / Inkscape
HEX 코드를 스워치에 직접 가져옵니다. 패널 간 팔레트 일관성을 위해 각 프로젝트마다 이름이 지정된 스워치 그룹을 만드세요. 그런 다음 그림 파일을 내보내고 SciDraw AI 그래픽 초록 메이커를 사용해 광택 있는 게재 준비 레이아웃으로 통합하세요.
팔레트에서 게재 준비 그림으로
올바른 색상을 선택하는 것은 첫 번째 단계입니다. 게재 준비성에는 다음도 필요합니다:
- 올바른 폰트 크기 (대부분의 학술지에서 레이블 최소 6pt; 8–10pt 권장)
- 크기 조정을 견딜 수 있는 선 굵기 (최소 0.5pt)
- 학술지 사양에 맞는 그림 크기
- 래스터 요소의 해상도 최소 300 DPI
SciDraw AI 과학 그림 메이커는 크기 및 해상도 요건을 자동으로 처리하고, SciDraw AI 그래픽 초록 메이커는 데이터 그림을 시각적으로 일관된 단일 페이지 요약으로 통합하는 데 도움을 줍니다. 완성된 파일을 그림 검사기로 확인해 빠뜨린 부분을 잡으세요.
자주 묻는 질문
Q: 히트맵에는 항상 Viridis를 사용해야 하나요?
Viridis는 훌륭한 기본값이지만 유일한 선택지는 아닙니다. Inferno와 Cividis도 지각적으로 균일하고 색각 이상에 안전합니다. 시각적 맥락에 따라 선택하세요: Viridis는 많은 독자에게 "차가운 것에서 따뜻한 것으로"로 읽히는데, 이것이 데이터의 이야기와 맞을 수도 있고 아닐 수도 있습니다. 데이터가 방향성 없이 강도나 수를 나타내는 경우 세 가지 모두 적합합니다.
Q: 정성적 팔레트에서 8색 이상을 사용할 수 있나요?
사용할 수는 있지만, 8개를 넘는 카테고리가 있을 때 색상에만 의존해서는 안 됩니다. 8가지 색조를 넘어서면 카테고리 구분에 대한 인간의 지각이 크게 저하됩니다. 색상 인코딩을 보완하기 위해 모양 마커(원, 사각형, 삼각형), 선 스타일(실선, 파선, 점선), 또는 직접 레이블을 추가하세요.
Q: 포함해야 할 컬러바의 최소 해상도는 무엇인가요?
컬러바는 전체 데이터 범위에 걸쳐 규칙적인 간격으로 최소 5개의 레이블이 있는 눈금 표시가 있어야 합니다. 컬러바 레이블에 정확한 단위를 포함하세요. 발산 팔레트의 경우 항상 중간점 값을 명시적으로 표시하세요.
Q: 제 학술지가 CMYK 그림을 요청합니다. 이 HEX 코드가 여전히 적용되나요?
HEX 코드는 RGB입니다. 최종 제출 전에 학술지의 ICC 프로파일(일반적으로 Adobe RGB 1998 또는 sRGB IEC61966-2.1을 소스 프로파일로 사용)을 사용해 그림을 CMYK로 변환하세요. 색상이 약간 변할 것입니다 — 특히 포화된 노란색(Viridis의 밝은 끝 등)은 탁해질 수 있으므로 CMYK 교정을 신중하게 확인하세요. 의심스러운 경우 제작 부서에 컬러 교정을 요청하세요.
Q: 모든 유형의 색각 이상에 충분히 안전한 단일 팔레트가 있나요?
세 가지 주요 유형(제1색맹, 제2색맹, 제3색맹) 모두에 동시에 완벽한 팔레트는 없지만, Okabe-Ito가 정성적 데이터에 대해 가장 가깝습니다. 순차적 및 발산 팔레트의 경우 Cividis가 모든 형태의 색각 이상에 특별히 최적화되어 있습니다. Coblis 시뮬레이터를 사용해 세 가지 조건 모두에 대해 특정 팔레트를 확인하세요.
Q: 서로 다른 모니터와 프로젝터에서 색상이 올바르게 보이도록 하려면 어떻게 해야 하나요?
화면용 학술 그림의 표준 가정인 sRGB 색 공간으로 모니터를 보정하세요. 큰 방에서 프로젝터로 발표할 때는 대비를 높이고 매우 밝은 색을 피하세요(명도가 약 85%를 넘는 것은 대부분의 프로젝터에서 흐려집니다). 가능하면 실제 투영 환경에서 슬라이드를 테스트하세요.
