作为一名刚入行科研不久的小编，平时大量的时间花费在了阅读文献上。有些文献排版美观赏心悦目，有些则是惨不忍睹，不由道一声审稿人辛苦。作为论文的灵魂，图片永远是第一关注点，也往往是视觉的重灾区。有的图片深谙我国传统文化，红配绿将喜庆带在身上；有的图片则狠狠地考验读者眼力，几根数据线交叉又撞色，带读者们玩顺藤摸瓜的游戏。也有很多图片选择了中规中矩的彩虹配色，但效果并不理想。
不局限于科研领域，在大众与科学界的交流中，图片也是信息的重要载体。你可能不会去关心黑洞成像复杂的建模公式，但你一定对黑洞的照片印象深刻。你可能不会去关心天气预报系统背后的机制，但你一定看过气温的分布图。好的科研绘图配色令人印象深刻，也能更准确地传递数据信息。今天，小编就带大家看一下，怎样去选择最适合自己数据，能够轻松俘获审稿人芳心的科研绘图配色。
最早使用彩虹配色的地方已经很难考据了，但彩虹配色无疑是科研绘图中常见的配色之一。所谓的彩虹配色就是类似彩虹，赤橙黄绿蓝靛紫序列分布颜色。在人眼中有两种类型的感光细胞，一种是视杆细胞，对光强度的变化敏感，负责黑白视觉；另一种是视锥细胞，对光强度不敏感，但是可以分为三种，分别对三种不同频率的光敏感，负责亮视觉以及认知颜色。三种视锥细胞配合，使得人们能够通过识别不同颜色完成对信息的认知。
彩虹配色的每种颜色饱和度较高，亮度也很高，对人具有极强的视觉吸引力。再加上大多数的绘图软件，如Matlab、Paraview等，都将彩虹配色设置为了默认配色，不科学的彩虹配色在很长一段时间内得到了广泛地应用。为什么说彩虹配色不科学呢？主要原因有三。首先，颜色不遵循自然感知排序。其次，感知变化不均匀。最后，对视觉缺陷不友好。
其实从上面对彩虹配色的分析中就能看出来，一个好的、科学的配色应该是什么样的，它应该满足三方面的要求：感知颜色顺序（遵循自然感知排序）、感知一致性（感知变化均匀）以及普遍可读性（视觉缺陷友好）。在绘制地图型数据图时，为了实现最佳的数据表示，让配色有效地传达底层数据及其性质，需要根据情况选择适当的地图种类以及类型。彩色地图的类与型以及相应的推荐配色。
彩色地图可分为四个主要类别，顺序类、发散类、多序类以及循环类。对于没有特殊点的顺序数据，顺序类最为合适。发散类适合表示包含偏离中心值的数据点的数据集，也称双峰数据集。多序类是一种特殊的类别，必须仔细调整以适应原始数据。循环类可以用来显示周期性的数据集。彩色地图可以进一步分为连续型、离散型以及分类型。其中连续型和离散型较好理解，表现在配色上便是颜色变化是连续的还是离散的。
分类型是一种比较特殊的类型，其特点是不需要考虑数据的有序性以及变化特点，旨在显示单独的数据点。
针对配色的选择问题，Crameri等人给出了一个一般思路。在拿到要绘图的数据之后，我们只需要问自己这样几个问题：数据有序吗？数据有中间值吗？中间值与数据的序有关吗？小的波动是否重要？数据是否有空值？数据是否有直觉上适用的颜色？背景色选取是否正确？参照下图的导引，问清自己这几个问题之后，配色的选择便不再是问题。