本文翻譯自Aseem Kashyap《8 Rules for optimal use of color in data visualization》
資料視覺化的目標是傳達來自資料分析工作流的關鍵結果。雖然圖表需要美觀，但視覺化的首要目標不是“高顏值”。
在資料視覺化中使用配色應該是幫助傳播關鍵發現，而不是成為某種藝術創作的一個環節。
規則1：在應該使用配色的時候使用，而不是在可以使用的時候使用配色
顏色的使用應該仔細斟酌，以傳達關鍵的發現，因此，這一決定不能留給自動演算法來做出。大多數資料應該是中性顏色，如灰色，保留鮮豔的顏色以將注意力引向重要或非典型的資料點。
1991–1996年的銷售額(百萬美元)。紅色被用來引起人們對1995年異常低迷的銷售的關注。其他沒有明顯銷售額變化的年份都是灰色的。
規則2：利用顏色對相關資料點進行分組
顏色可用於對相似值的資料點進行分組，並使用以下兩個調色面板呈現這種相似性的程度：
順序調色盤由均勻飽和度的單一色調的不同強度組成。相鄰顏色的亮度變化對應於它們用於渲染的資料值的變化。
發散調色盤是由兩個連續的調色盤(每個調色盤具有不同的色調)相互堆疊而成，中間有一個拐點。在視覺化具有兩個不同方向變化的資料時，這種調色盤非常有用。
下面左邊的圖表使用由單一色調(綠色)組成的順序調色盤來表示範圍從-0.25到+0.25的值，而右邊的圖表使用不同色調的調色盤來表示正值(藍色)和負值(紅色)。
2010–2019年美國人口的百分比變化。由兩個色調（拐點為零）的紅色（藍色）構成的發散配色方案比順序配色方案更合適。
在右側的地圖中，僅根據顏色就可以立即識別正值和負值。我們可以立即得出結論，中西部和南部城鎮的人口減少了，東部和西岸的人口增加了。這種對資料的關鍵洞察在左邊的圖表中並不是立竿見影的，不能用顏色本身來區分，而是必須使用綠色的強度來閱讀地圖。
規則3：對不相關的資料使用分類顏色
分類調色盤來自不同色調但飽和度和強度相同的顏色，可用於具有完全不同來源或不相關值的不相關資料點的視覺化。
順序和發散調色盤應用於透過編碼定性值來呈現大小的變化，而分類調色盤應用於透過編碼量化值來呈現不相關的資料類別。
規則4：對資料項進行歸類
雖然使用不同的顏色可以幫助區分不同的資料點，但一張圖表最多隻能包含6–8個不同的顏色類別，以便每個類別都容易區分。
15個國家都使用不同的顏色，使得左邊的圖表難以閱讀，特別是對於衛星較少的國家。而右邊的圖表可讀性更好，代價是丟失了衛星較少國家的資訊，所有這些資訊都被歸類在“其他”中。
請注意，我們在這裡使用了分類配色方案，因為每個國家/地區的資料完全不相關。例如，印度的衛星數量完全獨立於法國的衛星數量。
規則5：改變圖表型別通常可以減少對顏色的需求
在前面的示例中，餅圖可能不是最佳選擇。由此造成的類別損失可能並不總是可以接受的。相反，繪製條形圖時，我們可以使用單一顏色並保留所有15個數據類別。
如果視覺化中需要6–8種以上的不同顏色(色調)，可以合併某些類別或瀏覽其他圖表型別。
規則6：不使用順序配色方案的場景
為了使順序調色盤的顏色細微差別很明顯，這些顏色必須相鄰放置，如下圖所示。當像散點圖一樣彼此分開時，細微的差別就變得很難理解了。
當資料點彼此不緊鄰時，很難解釋順序的配色方案，如右側的散點圖所示。這些顏色只能用於視覺化相對值，如左圖所示。
順序配色方案的最佳用途是渲染值的相對差異。它不適合繪製使用分類配色方案呈現的絕對值。
規則7：選擇合適的背景
物體的感知顏色不僅取決於物體本身的顏色，還取決於其背景。這導致我們就圖表中背景色的使用得出以下結論：
按相同顏色分組的不同物件也應具有相同的背景。這通常意味著背景顏色的變化必須最小化。
規則8：不是每個人都能看到所有的顏色
大約10%的世界人口是色盲，為了讓每個人都能獲得彩色資訊圖表，避免使用紅色和綠色的組合。下面顯示的是三種不同色盲的人是如何檢視同一張地圖的。
結論
視覺化的動力在於講述資料背後的故事。只有深思熟慮地運用色彩，才能幫助強化資料故事中的關鍵論點。
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~
