3. 色彩选择误区：别让你的图表变成“彩虹炸弹”
好，咱们来聊聊色彩。在丰度图表里，颜色是传递信息的核心载体。可偏偏这块，是翻车重灾区。我见过太多图表，明明数据不错，结果颜色用得乱七八糟——读者第一眼就被晃晕了，哪还有心思看数据？
说白了，色彩选择就三个高频坑：颜色太多、不考虑色盲用户、颜色映射违背数据逻辑。咱们一个一个拆。
3.1 误区一：滥用过多颜色
先看个场景：
- 一张热图里塞了20多种颜色。
- 堆叠柱状图用了8种颜色，相邻色根本分不清。
- 散点图每个类别一种颜色，图例比数据还长。
为什么会这样？很多同学觉得颜色多显得“丰富”、“专业”。但人的视觉短期记忆其实很有限——一般人的色觉区分能力，在图表里能有效记住5-7种颜色，再多就是认知负担了。
我的建议：
- 丰度图表（热图、聚类图、堆叠图）尽量控制在5-7种颜色内。
- 如果数据类别超过7个，考虑分组或使用层次化颜色（比如一个大类用一种色系，内部用渐变）。
- 别用彩虹色映射连续数据——那是公认的“视觉噪音”。
我在项目中遇到过一位生物信息学同学，做物种丰度堆叠图，用了16种颜色。我说你分得清第11种和第12种吗？他自己盯着看了十秒，说“嗯，好像差不多”。后来我让他把低于2%丰度的归成“Other”，颜色直接降到6种。图片瞬间清爽了。
3.2 误区二：完全不考虑色盲用户
色盲不是小概率事件。全球约8%的男性和0.5%的女性有某种程度的色觉障碍。你现在做的图表，很可能就是给这群人看的。
最常见的色盲类型是红绿色盲。所以你用红绿配色区分两类数据时——比如高表达vs低表达——在色盲用户眼里，可能就是一片灰雾，毫无对比度。
| 色盲类型 | 常见混淆色 | 图表中容易出问题的搭配 |
|---|---|---|
| 红色盲 / 绿色盲 | 红 ↔ 绿 | 红绿渐变、红绿散点分类 |
| 蓝黄色盲 | 蓝 ↔ 黄 | 蓝黄填充、蓝黄线型 |
| 全色盲（罕见） | 所有颜色 | 依赖颜色区分的所有图表 |
避坑指南：
我建议你养成两个习惯：
- 用形状/线条样式辅助颜色。比如在散点图里，不同类别不但用不同颜色，还可以用不同形状（圆、三角、方块）。你想想看，即使色盲用户看不见颜色差异，也能通过形状区分。
- 使用色盲友好的调色板。我个人习惯用 Viridis、Magma、ColorBrewer 这类的色彩方案。它们从深到浅的亮度变化明显，颜色之间对比度也足够。
我曾经修复过一个临床基因表达图表，原作者用红色表示“上调”、绿色表示“下调”。一位审稿人反馈色盲实验室的同学完全读不懂。后来我把红绿改成蓝橙，并加上“+”和“−”符号标注，问题直接解决。嗯，有时改个配色就能挽救一个项目。
3.3 误区三：颜色映射与数据特性不连续
这个坑有点隐蔽。咱们先说什么是“颜色映射不连续”：
- 你把连续递增的数据（比如丰度从0到100），硬套上一个跳变的颜色序列。比如0-10用蓝色、10-20直接跳到红色、20-30又变成绿色。数据明明连续，颜色却像“台阶”。
- 或者你用了不均匀的颜色步长，比如0-50用一种色，50-55用一种完全不同的色，55-100又变回原来的色系。读者会产生错觉：那几个数值之间好像有巨大差异，其实没有。
正确的做法是什么？
技巧：
连续数据一定要用连续渐变的色带。比如从浅蓝到深蓝，或者从浅黄到橙红。人眼对这种亮度递增的渐变非常敏感，不容易产生误解。
如果你非要分段设色，至少保证色相变化方向与数据大小方向一致，且步长尽量均匀。可以用分位数或等距区间来做颜色断点，不要拍脑袋设阈值。
举个例子，之前在检查一个微生物组相对丰度热图时，数据从0.01%到35%，原作者手动设了5个颜色断点：0-0.1%（蓝）、0.1-1%（红）、1-5%（绿）、5-15%（紫）、15-35%（橙）。你看看这个跳变：蓝到红、红到绿、绿到紫、紫到橙——完全看不出丰度从低到高的趋势。我改成了Viridis的连续渐变，色彩随丰度自然变亮，一目了然。
3.4 一张图总结色彩选择的核心关系
下面这张SVG图梳理了色彩选择的三个误区与对应的解决路径，看一眼就清楚了。
3.5 实操排查清单
每做一个丰度图表，建议自己跑一遍这个清单：
- 数颜色数量：是否有超过7种不同色相？
- 检查红绿对比：有没有红绿并排？如果有，换成蓝橙或紫黄。
- 模拟色盲视图：用 Photoshop 或在线工具（比如 Color Oracle）模拟红绿色盲视图，看看关键信息是否丢失。
- 查看颜色映射函数：如果是连续数据，检查色带是否在亮度上单调递增/递减？有没有突兀的色相跳跃？
- 检查图例可读性：图例的颜色顺序是否与数据趋势顺序一致？
一句话记住：
颜色不是装饰品，是数据的一部分。选对颜色，你的图表才算真正开始工作。