Цвет — это молчаливые метаданные. Ещё до того, как читатель прочитает первую подпись на оси, палитра рисунка уже сигнализирует: аккуратен ли автор или небрежен, учитывает ли он доступность или нет, готов ли материал к публикации или был собран наспех. Тем не менее большинство исследователей выбирают цвета интуитивно — или просто принимают параметры по умолчанию, которые предлагает Matplotlib или Excel.
Этот справочник исправляет ситуацию. Вы узнаете о трёх семействах палитр, которые нужны каждому учёному, получите готовые к копированию HEX-таблицы для семи готовых к использованию палитр и унесёте с собой конкретные правила «делай/не делай» для рисунков, которые можно уверенно отправлять в редакцию.
Что вы узнаете:
- Разницу между качественными, последовательными и дивергентными палитрами — и когда каждая из них уместна
- Какие палитры безопасны для ~8 % читателей с нарушениями цветовосприятия
- Семь готовых к использованию палитр с полными HEX-кодами
- Практические правила применения цвета в реальных научных рисунках
- Как проверить и завершить оформление рисунков с помощью инструмента проверки рисунков SciDraw AI
Почему выбор цвета — это научное решение
Плохая палитра — это не просто некрасиво; она способна активно вводить в заблуждение. Радужные («jet») цветовые карты создают ложные границы там, где их нет в данных. Красно-зелёный контраст полностью исчезает для читателей с дейтеранопией (наиболее распространённая форма цветовой слепоты). Непоследовательные качественные цвета между панелями рисунка вынуждают читателей заново расшифровывать легенду каждый раз при переходе между панелями.
Журналы, такие как Nature, Science и PNAS, всё чаще требуют от авторов обеспечить доступность рисунков «для читателей с нарушениями цветовосприятия», и ряд издательств отклоняет рисунки, не прошедшие базовую проверку преобразованием в оттенки серого. Правильный выбор палитры с самого начала экономит время на доработку.
Три семейства палитр
Качественные палитры
Когда использовать: Кодирование категориальных данных без внутреннего порядка — типы клеток, экспериментальные группы, виды, группы лечения.
Ключевой принцип: Все цвета должны казаться одинаково заметными. Ни один оттенок не должен доминировать или предполагать бо́льшую важность.
Ошибка, которой следует избегать: Использование последовательной рампы (от светлого к тёмному) для категорий подразумевает ранжирование там, где его нет.
Последовательные палитры
Когда использовать: Кодирование числовой переменной, изменяющейся от низких к высоким значениям — уровень экспрессии генов, температура, концентрация, величина p-значения.
Ключевой принцип: Палитра должна быть перцептивно равномерной: равные шаги в данных должны выглядеть как равные шаги в цвете. Это исключает большинство градиентов, созданных вручную.
Ошибка, которой следует избегать: Использование двустороннего дивергентного градиента, когда ноль не является значимой точкой отсчёта.
Дивергентные палитры
Когда использовать: Кодирование данных, в которых средняя точка значима — кратность изменения (центрировано по 1 или log2-fold = 0), коэффициенты корреляции (центрировано по 0), карты аномалий (центрировано по историческому среднему).
Ключевой принцип: Оба конца должны быть одинаково насыщены, а средняя точка должна быть нейтральным светлым цветом (близким к белому или светло-серому), а не третьим насыщенным оттенком.
Ошибка, которой следует избегать: Дивергентная палитра, в которой нейтральная средняя точка — это несвязанный яркий цвет. Это создаёт ложную третью категорию.
Безопасность для людей с нарушениями цветовосприятия: обязательное требование
Примерно 8 % мужчин и 0,5 % женщин имеют ту или иную форму нарушения цветовосприятия. Дейтеранопия и протанопия (нарушение восприятия красного и зелёного) встречаются чаще всего. Тританопия (синий-жёлтый) реже, но всё равно затрагивает значительную долю читателей.
Самый быстрый тест: Преобразуйте рисунок в оттенки серого. Если все категории по-прежнему различимы, рисунок прошёл базовую проверку на доступность.
Окончательный тест: Пропустите изображение через Coblis (симулятор нарушений цветовосприятия) или используйте модуль colorblind в Python для симуляции дейтеранопии, протанопии и тританопии. Перед отправкой в любой журнал вставьте рисунок в инструмент проверки рисунков SciDraw AI, чтобы автоматически выявить проблемы с доступностью и форматированием.
Семь готовых к использованию палитр с HEX-кодами
1. Okabe-Ito (Качественная, 8 цветов — золотой стандарт безопасности для дальтоников)
Разработана Masataka Okabe и Kei Ito специально для обеспечения доступности при нарушениях цветовосприятия. Это рекомендованный стандарт по умолчанию для качественных научных рисунков в большинстве современных стилевых руководств.
| Образец | Название | HEX | RGB |
|---|---|---|---|
| ■ | Чёрный | #000000 | 0, 0, 0 |
| ■ | Оранжевый | #E69F00 | 230, 159, 0 |
| ■ | Голубой | #56B4E9 | 86, 180, 233 |
| ■ | Сине-зелёный | #009E73 | 0, 158, 115 |
| ■ | Жёлтый | #F0E442 | 240, 228, 66 |
| ■ | Синий | #0072B2 | 0, 114, 178 |
| ■ | Киноварный | #D55E00 | 213, 94, 0 |
| ■ | Красновато-фиолетовый | #CC79A7 | 204, 121, 167 |
Лучше всего подходит для: До 8 категорий; любых рисунков для широкой аудитории или журналов с требованиями по доступности.
2. Bright от Paul Tol (Качественная, 7 цветов)
Разработана астрономом Paul Tol; этот набор приоритизирует контраст на белом и светло-сером фонах — наиболее распространённых в рисунках для журналов.
| Образец | Название | HEX |
|---|---|---|
| ■ | Синий | #4477AA |
| ■ | Голубой | #66CCEE |
| ■ | Зелёный | #228833 |
| ■ | Жёлтый | #CCBB44 |
| ■ | Красный | #EE6677 |
| ■ | Фиолетовый | #AA3377 |
| ■ | Серый | #BBBBBB |
Лучше всего подходит для: Линейных и точечных диаграмм с числом групп до 7.
3. Viridis (Последовательная, перцептивно равномерная)
Наиболее широко используемая последовательная цветовая карта в науке; применяется по умолчанию в Matplotlib с 2015 года. Перцептивно равномерная, безопасная для дальтоников, хорошо воспроизводится в оттенках серого.
| Точка | HEX | Описание |
|---|---|---|
| 0 % | #440154 | Тёмный фиолетовый (низкие значения) |
| 25 % | #31688E | Синий |
| 50 % | #35B779 | Зелёный |
| 75 % | #90D743 | Жёлто-зелёный |
| 100 % | #FDE725 | Ярко-жёлтый (высокие значения) |
Лучше всего подходит для: Тепловых карт, карт плотности, любых непрерывных переменных без значимого нулевого значения.
4. Plasma (Последовательная, перцептивно равномерная)
Более тёплая альтернатива Viridis. Особенно эффективна при гарантированной цветной печати.
| Точка | HEX |
|---|---|
| 0 % | #0D0887 |
| 25 % | #7E03A8 |
| 50 % | #CC4778 |
| 75 % | #F89540 |
| 100 % | #F0F921 |
Лучше всего подходит для: Дополнительных рисунков с насыщенной цветной печатью; карт интенсивности в микроскопии.
5. RdBu (Дивергентная)
Классическая красно-синяя дивергентная палитра из ColorBrewer, широко используемая для корреляционных матриц, тепловых карт кратности изменения экспрессии и карт климатических аномалий.
| Точка | HEX | Описание |
|---|---|---|
| −max | #B2182B | Насыщенный красный |
| −mid | #EF8A62 | Светло-красный |
| 0 | #F7F7F7 | Нейтральный, почти белый |
| +mid | #67A9CF | Светло-синий |
| +max | #2166AC | Насыщенный синий |
Лучше всего подходит для: Корреляционных матриц, тепловых карт кратности изменения, любых данных с естественной средней точкой в нуле.
6. PRGn (Дивергентная, более дружественная к дальтоникам)
Дивергентная палитра пурпурный–зелёный. Поскольку она не использует красно-зелёный контраст, она значительно лучше воспринимается читателями с дейтеранопией и протанопией по сравнению с RdBu.
| Точка | HEX |
|---|---|
| −max | #762A83 |
| −mid | #C2A5CF |
| 0 | #F7F7F7 |
| +mid | #7FBF7B |
| +max | #1B7837 |
Лучше всего подходит для: Любого дивергентного сценария, где доступность для дальтоников по красно-зелёной оси важна.
7. Приглушённая качественная палитра в стиле Nature/Cell (5 цветов)
Эта палитра приближается к сдержанному стилю публикационного качества, используемому в рисунках журналов серий Nature и Cell. Она избегает высокого насыщения, сохраняя при этом чёткое различие категорий.
| Образец | HEX | Типичное применение |
|---|---|---|
| ■ | #4E79A7 | Группа 1 / Контроль |
| ■ | #F28E2B | Группа 2 / Воздействие |
| ■ | #E15759 | Группа 3 / Выделение |
| ■ | #76B7B2 | Группа 4 |
| ■ | #59A14F | Группа 5 |
Лучше всего подходит для: Столбчатых диаграмм, ящиков с усами и многолинейных графиков в рукописях для высокорейтинговых журналов.
Сравнение палитр: какую и когда использовать
| Палитра | Тип | Цвета | Безопасна для дальтоников | Оттенки серого | Лучший контекст |
|---|---|---|---|---|---|
| Okabe-Ito | Качественная | 8 | Отлично | Хорошо | Любой; журналы с требованиями к доступности |
| Tol Bright | Качественная | 7 | Хорошо | Умеренно | Линейные/точечные диаграммы |
| Viridis | Последовательная | Непрерывная | Отлично | Отлично | Тепловые карты, плотность |
| Plasma | Последовательная | Непрерывная | Отлично | Хорошо | Гарантированная цветная печать |
| RdBu | Дивергентная | Непрерывная | Умеренно | Хорошо | Корреляция, кратность изменения |
| PRGn | Дивергентная | Непрерывная | Хорошо | Хорошо | Дивергентная с требованиями доступности |
| Nature Muted | Качественная | 5 | Хорошо | Умеренно | Рукописи для высокорейтинговых журналов |
Практические правила «делай/не делай» для научных рисунков
ДЕЛАЙТЕ
- Делайте: Используйте перцептивно равномерные последовательные палитры (Viridis, Plasma, Cividis) для непрерывных данных.
- Делайте: Проверяйте каждый рисунок в оттенках серого перед отправкой — многие рецензенты распечатывают материалы в чёрно-белом формате.
- Делайте: Используйте одну и ту же палитру последовательно на всех панелях многопанельного рисунка. При создании многопанельных макетов с помощью конструктора научных рисунков SciDraw AI закрепите настройки палитры на уровне проекта для обеспечения единообразия.
- Делайте: Выбирайте дивергентные палитры только тогда, когда средняя точка значима с научной точки зрения.
- Делайте: Подписывайте цветовую ось (цветовую шкалу) с точным названием переменной и единицами измерения.
- Делайте: Прогоняйте готовые рисунки через специализированный инструмент контроля качества. Инструмент проверки рисунков SciDraw AI автоматически выявляет распространённые проблемы с цветом и контрастом.
НЕ ДЕЛАЙТЕ
- Не делайте: Не используйте цветовую карту jet/радуга для научных данных. Она не является перцептивно равномерной, создаёт ложные контуры и не проходит ни один тест на дальтонизм.
- Не делайте: Не кодируйте более 8 качественных категорий только цветом — добавляйте избыточность формы или паттерна.
- Не делайте: Не используйте красный и зелёный как два конца дивергентной палитры, не проверив доступность.
- Не делайте: Не применяйте дивергентную палитру к строго положительным или строго отрицательным данным.
- Не делайте: Не меняйте палитры между панелями, показывающими одну и ту же переменную.
- Не делайте: Не полагайтесь на цвет как единственный визуальный канал — всегда комбинируйте с формой, стилем линий или прямыми аннотациями там, где это возможно.
Применение этих палитр в распространённых инструментах
Python (Matplotlib / Seaborn)
import matplotlib.pyplot as plt
import matplotlib.colors as mcolors
# Палитра Okabe-Ito
okabe_ito = ['#000000','#E69F00','#56B4E9','#009E73',
'#F0E442','#0072B2','#D55E00','#CC79A7']
# Использовать как цикл цветов по умолчанию
plt.rcParams['axes.prop_cycle'] = plt.cycler(color=okabe_ito)
# Viridis — уже цветовая карта по умолчанию для последовательных данных в Matplotlib
plt.imshow(data, cmap='viridis')R (ggplot2)
library(ggplot2)
# Okabe-Ito через пакет с поддержкой дальтонизма
library(ggthemes)
scale_colour_colorblind()
# Или задать вручную
okabe <- c("#E69F00","#56B4E9","#009E73","#F0E442","#0072B2","#D55E00","#CC79A7")
scale_colour_manual(values = okabe)Adobe Illustrator / Inkscape
Импортируйте HEX-коды непосредственно в образцы цветов. Создайте именованную группу образцов для каждого проекта, чтобы обеспечить единообразие палитры на всех панелях. Затем экспортируйте файлы рисунков и используйте конструктор графических рефератов SciDraw AI для интеграции их в полированные макеты, готовые к публикации.
От палитры к рисунку, готовому к публикации
Правильный выбор цветов — это только первый шаг. Готовность к публикации также требует:
- Правильных размеров шрифтов (минимум 6 pt для подписей в большинстве журналов; рекомендуется 8–10 pt)
- Толщины линий, которые выдержат уменьшение (не менее 0,5 pt)
- Размеров рисунков, соответствующих требованиям журнала
- Разрешения не менее 300 DPI для растровых элементов
Конструктор научных рисунков SciDraw AI автоматически обрабатывает требования к размерам и разрешению, а конструктор графических рефератов SciDraw AI помогает интегрировать рисунки с данными в визуально цельное резюме на одной странице. Прогоните готовый файл через инструмент проверки рисунков, чтобы ничего не пропустить.
Часто задаваемые вопросы
В: Всегда ли следует использовать Viridis для тепловых карт?
Viridis — отличный вариант по умолчанию, но не единственный. Inferno и Cividis также перцептивно равномерны и безопасны для дальтоников. Выбор зависит от визуального контекста: Viridis воспринимается многими аудиториями как переход «от холодного к тёплому», что может соответствовать или не соответствовать нарративу ваших данных. Если данные представляют интенсивность или количество без направленного нарратива, все три варианта подходят.
В: Можно ли использовать более 8 цветов в качественной палитре?
Можно, но не стоит полагаться только на цвет, когда категорий больше 8. Свыше 8 оттенков человеческое восприятие категориальных различий значительно снижается. Добавьте маркеры формы (круги, квадраты, треугольники), стили линий (сплошная, пунктирная, точечная) или прямые подписи для дополнения цветового кодирования.
В: Какое минимальное разрешение цветовой шкалы следует включить?
Цветовая шкала должна иметь не менее 5 подписанных делений на равных интервалах по всему диапазону данных. Включите точные единицы измерения в подпись цветовой шкалы. Для дивергентных палитр всегда явно указывайте и подписывайте значение средней точки.
В: Мой журнал требует рисунки в формате CMYK. Применимы ли эти HEX-коды?
HEX-коды — это формат RGB. Перед финальной отправкой преобразуйте рисунок в CMYK с использованием ICC-профиля журнала (обычно Adobe RGB 1998 или sRGB IEC61966-2.1 в качестве исходного профиля). Цвета несколько изменятся — тщательно проверьте пробный отпечаток в CMYK, особенно насыщенные жёлтые цвета (как на ярком конце Viridis), которые могут стать тусклыми. В случае сомнений запросите цветную пробу в производственном отделе.
В: Существует ли единая палитра, достаточно безопасная для всех типов нарушений цветовосприятия?
Ни одна палитра не является идеальной для всех трёх основных типов (протанопия, дейтеранопия, тританопия) одновременно, но Okabe-Ito ближе всего к этому для качественных данных. Для последовательных и дивергентных палитр Cividis специально оптимизирован для всех форм нарушения цветовосприятия. Используйте симулятор Coblis для проверки вашей конкретной палитры в условиях всех трёх нарушений.
В: Как убедиться, что мои цвета выглядят правильно на разных мониторах и проекторах?
Откалибруйте монитор в соответствии с цветовым пространством sRGB — это стандартное предположение для академических рисунков, предназначенных для просмотра на экране. При презентациях в большом зале увеличьте контрастность и избегайте очень светлых цветов (всё, что превышает ~85 % светлоты, будет смываться на большинстве проекторов). По возможности тестируйте слайды в реальной обстановке проекции.
