作者：麦子
文章中有许多图是由数据生成的，有的杂志有很严格的整体风格，也有的杂志则给作者很多操作的自由。不过对于一些作者来说，自由却是痛苦的根源——不会配色，配了嫌丑，丑了也不知咋改，改了还是丑。
如果发些简单的文章，几个柱状图、折线图啥的也还不愁，大不了可以通过填充图案来区分各组。可是要展示更多的分析结果时，就不得不考虑颜色了，它比黑白灰 图形区分更为高效，能传递更多信息。尤其加上了生信分析时，一篇文章跟个画册似的。
不过，既然是数据图，除了要照顾视觉外，最重要的是有效传递信息！颜色还会影响人对数据的理解，用好了它就是神助攻，用不好就是猪队友，所以也就有不少讲究。一些数据科学家还会开发R语言的配色程序包，比如RColorBrewer，ggsci等。不过对于其他软件的用户，配色基本靠手选时，一些配色原则就应该了解。
常用配色原则
1. 强调差异时选用对比色
这个色环你一定认识，不管它是什么形状，所有的颜色都是一个排列顺序。选用对侧或距离较远的颜色，能很容易地区分不同组的数据。
2. 相近的颜色表达相似性
当有各组之下还有亚组时，就可考虑相近的颜色。这可以是色环上左右邻近，但更好的是用同一颜色（色相）不同明度：
这两个原则运用最为广泛。比如下图的各亚组之间运用了同色相的不同明度，没毛病。而各组之间，图A的橙、绿、紫，在上边的色环中是个等边三角形分布，视觉上的对比更为强烈。而图B的绿、蓝、紫则分布在从绿到紫的1/3弧上，则让人容易想到它们之间是有某种联系。
3. 鲜艳的颜色要慎用
鲜艳的颜色就是纯度高，即饱和度高，如下图的最左一列。不仅显得gay里gay气（gay这词本来就有艳的意思，诚不我欺），而且，可能印刷不出来！因为染料毕竟会有杂质，印不出来就有可能造成信息扭曲。
许多作图软件都有个明艳惹眼的彩红配色（一整盘的高饱和色），有的还是默认选项，许多科研人就这么不加判断地拿来就用。几年来一直有学者呼吁停止使用彩红配色，也一直……唉。
如果真的要用，可以降低饱和度，或者调高透明度，使它看起来不那么浓艳。
而且，避免广泛运用艳色的好处是，当你有某个很想要强调的数据时，其他都是灰暗的，就它是艳的，多好。
4. 照顾色弱色盲人群
有些杂志会特别强调这点。色弱色盲人群是占少数，但科学不应排挤他们，别忘了第一个色盲病例就是化学家报道的。有的国家会对他们有专业限制，但也有些地方会采取一些便利措施，使他们得以追求自己热爱的事业。
这个调色析即展示了常用的15种颜色中，在常人和三类色盲患者眼中的样子，尤其打圆点和三角标记的颜色，黄蓝色盲根本无法区分。我们设计图表时应尽量避免。
如果还觉得不够用，可以安装一个Color Oracle（http://colororacle.org/），可以把你的电脑屏幕实时变成色盲眼中的样子，帮助选色判断。
常用配色包
前文提到的两个R语言包都是广受欢迎的科学数据配色包。RColorBrewer比较老牌，相对更成熟，前边提到的配色原则它都有所体现，对非R语言用户也比较友好。官方介绍：http://colorbrewer2.org/
而ggsci则是提供了几大杂志的常用配色，包括NPG（自然出版集团）、AAAS（美国科学促进会）、Lancet、JAMA、NEJM等，还有UCSCGB、IGV等生信工具的配色，此外还有一些好玩的科幻文艺作品的主题色。还是两位华人学者开发的哦~官方介绍：https://ggsci.net/
不喜欢用R语言的盆友，可以在RColorBrewer的官网上浏览他们的配色方案，挑一个合适的，提取颜色编码（十六进制或RGB），然后在你喜欢的软件上用。
图中左边Colorblind safe下边的print friendly则是考虑到屏幕到纸质印刷的区别，选中它之后，一些鲜亮或变化细微的方案就选不上了。Photocopy safe则表示彩色转黑白后是否还能分辨出各颜色的差别，这个选项似乎考虑较少。
ggsci则没有这么便利，要提取颜色码，也还得在R中提取。它也还在持续更新，目前最新版是今年6月发布的2.7版。
先安装最新版本：
install.packages("ggsci", repos = "https://cran.rstudio.com ")
# 如果不加上后面repos那句，可能会不是最新版。
然后载入两个包
library(ggsci)
library(scales)
再输出颜色值：
pal_aaas('default',0.8)(10)
# 其中pal_aaas是指AAAS杂志的配色，default是指子方案的名称。本来作者可能想准备好几个配色方案的，现在么，还只有一个默认方案。0.8是指不透明度，为数值越小颜色越淡。10是指配色方案中的色块数。运行就会得到：
这就可以贴到你的常用软件中去用。或者加上show_col查看具体颜色：
show_col(pal_aaas('default',0.8)(10))
其他杂志的主题色也同理，比如lancet：
show_col(pal_lancet('lanonc',0.8)(9))
# ‘lanonc’是指lancet oncology
要在R语言ggplot2作图中使用的话也很简单。先常规画个图：
library(ggplot2)
data(diamonds)
# 载入diamonds示例数据
p1 = ggplot(subset(diamonds, carat >= 2.2),
aes(x = table, y = price, colour = cut))
geom_point(alpha = 0.7)
geom_smooth(method = "loess", alpha = 0.05, size = 1, span = 1)
# 画个图，存为p1。
Print(p1)
打印出来看个效果，这时的颜色比较艳丽：
要给p1使用NPG的配色方案，就直接加上去，存为p1_npg：
p1_npg = p1 scale_color_npg
再输出：
print(p1_npg)
这个看起来就稳重一些。
用RColorBrewer包也差不多。还是刚才的p1，选择RdYlBu方案（各方案名称都可在帮助文档中查看）
Cols <- brewer.pal(5, "RdYlBu")
# 因为有5个数据组，所以选5种颜色，存为Cols
p1_RdYlBu <- p1 scale_color_manual(values = Cols)
# 还是p1加上调色板，下面输出
print(p1_RdYlBu)
呃，貌似还是NPG好看一些。
参考资料：
1. http://teachers.sduhsd.net/smorawa/color.htm
2. Choosing Colors for Data Visualization
3. Picking a colour scale for scientific graphics
4. https://tex.stackexchange.com/questions/42069/what-colors-are-good-to-use-for-graphs-and-figures-in-scientific-publications-th
5. Graphics: Scrap rainbow colour scales
欢迎投稿
tougao@helixlife.com.cn
合作helixlife6
,
