10道题搞懂色彩搭配的6大准则，让你的图表开口说话！

导读：如果你有时间只专注于改进图表中的一件事，那就选择改进颜色。大多数软件无法直观地挑选与你的背景匹配的颜色。

作者：斯科特·贝里纳托（Scott Berinato）

来源：大数据DT（ID：hzdashuju）

有些颜色彼此调和，另一些只会彼此冲突。 ——挪威画家爱德华·蒙克（Edvard Munch）

软件不可能知道如何对变量进行分组，比如哪些是主要变量，哪些是次要变量，哪些是互补变量，哪些是对比变量。因此，软件往往给每个变量随机地分配一种颜色。如果颜色使用得极其不符合逻辑，你制作出来的第一张图，可能会像下面这个图一样乱七八糟。

这并不好。我们的眼睛在看到5种或7种颜色之后，大脑区分和记忆颜色的能力就会下降。大多数图表一开始就颜色过多。你的职责是辨别你需要的颜色，然后只使用这些颜色。

01 控制颜色

你不必成为一名熟悉色彩理论的专业设计师，也能搭配好颜色来制作好图表，只要遵循以下几个准则。

1. 少用

坚持用最少的颜色来表达你的想法。这类似于约分：有时，当一个分数明明可以用2/3来表示时，我们却将它显示为10/15。同样，当我们只需要2种或4种颜色时，我们可能使用了8种颜色。想办法用同样的颜色来将图中的数据项分组。

2. 使用灰色

灰色像是你的好朋友。它与白色背景的对比度较小，给人的感觉是高对比度颜色背后的“背景信息”，它不像更显眼的颜色那样吸引眼球。在许多图表中，你可以使用灰色来表示软件自动分配的主导颜色。

3. 互补或对比

当变量本质上相似时，使用相似或互补的颜色。当变量本质上对立时，使用对比的颜色。看图者会进行简单的联系：把相似的东西放在一起，反之亦然。

这听起来太明显了，但是请记住，软件并不懂得这些。如果我们的8个变量都涉及不同年龄的男性和女性，软件就会给它们分配8种不同的颜色。我发现，我可以想办法为每个性别之中的变量使用互补颜色，并且在两性性别之间的变量使用对比颜色，比如4种绿色色调和4种橙色色调，两个色系，这会使图表更加清晰。

4. 以变量为主

文本、标签和其他不属于传递数据信息标记的部分，最好使用黑色或灰色（或者黑色背景上的白色），只有少数例外。有时，用相同的颜色来表现标签与线条间的关联会很有帮助，但着色要审慎。一般来说，给文本着色，作为装饰，会分散看图者的注意力。

5. 考虑怎么配色，而不是配哪种颜色

你可能一直在想着使用哪种颜色，但这远没有你怎么使用颜色重要。了解背景与主要信息、互补和对比变量，以及如何改变颜色的饱和度，比仅仅选择你喜欢的颜色或者你的品牌经理希望你使用的颜色，能让你做出更好的选择。

6. 专业提示：考虑色盲

如果看图者中有各种色觉缺陷的人，那么，好图表的力量就会丧失大半。多达10%的男性是红绿色盲，1%～5%的男性是其他类型的色盲。色盲者可能认为两种颜色实际上是一样的。

不过，好消息是，类似于Coblis和Color Oracle这样的工具，使你比以往任何时候都更容易发现，你的图表在那些色盲者看来是什么样子。我经常匆忙中忘记检查对色盲者来说也保险的配色方案，但我会努力做得更好。这本书中每一个不是故意设计得很差的图表，都经过了这样的检查。

Coblis参见：

http://www.color-blindness.com/coblis-color-blindness- simulator/

如果你考虑了这些指导原则，并且理解了图表使用的背景，你就可以将杂乱无章的色彩转化为连贯有序的色彩。

下面的练习专为帮助你提升色感而设计。请根据每个图表的提示，重点关注如何改进颜色的使用。对于这些练习，不要担心形式，只考虑与颜色使用相关的标签、值的范围、标准惯例和其他考虑事项。

02 热身练习

记住，每一道题后面给出的答案，不一定是正确的答案，只是一个答案而已。在这些热身练习中，你可能已经想出了其他方法来改进颜色的使用，但是，这些讨论要点将会强化你在图表中正确使用颜色的感觉。

1. 在条形图中，你想要显示年长男性和年轻男性之间的比较以及年长女性和年轻女性之间的比较。你采用哪种配色方案？

• 答案：B

该图表的背景着重关注年轻和年老的二元比较，因此，我们将每个性别缩小为两组，即40岁以下和40岁以上。我们给两组男性分配相似的颜色，给两组女性也同样分配相似的颜色。8个变量变成了4个，因此，条形图中的条数更少了，并且只有两种颜色。

很明显，答案A使用了太多颜色，这将淹没条形图本身要表达的内容。当我们只需比较两种性别时，答案C的明暗模式坚持每种性别使用4种不同颜色，梯次饱和度也意味着不同的程度。这用来表示年龄是可行的，因为年轻组的饱和度较低，但它并不完全直观。

2. 在散点图中，你希望显示4支销售团队的业绩分布情况，但你的目标是突出欧洲销售团队相对于其他所有团队的业绩。你采用哪种配色方案？

• 答案：C

欧洲与其他大洲的对比，意味着我们希望看图者的目光直接投向欧洲。另一些变量的存在是为了与欧洲进行比较，但它们之间的区别并不重要。

给其他任何一个洲分配主色，都会导致过分强调它，因此排除答案D（四种不同的颜色会争夺注意力）和A（两种不同的颜色组，尽管这些组的意义并不大）。

答案B并不是不好，但是它把三个变量变成黄色，会引起看图者对这个集群的注意，而我们可以想见，这个集群在页面上的标记应当比欧洲多，因为它是三个变量的组合。

通过将“其他”组设置为灰色，甚至可以不单独标记它们，而是仅仅作为一个称为“其他洲”的变量，我们就可以毫无疑问地得出结论：要将目光投向欧洲。

3. 你想比较午前和午后的销量。请为叠加条形图制订一个配色方案。

• 答案

简单，但是我们要遵循上下文：我们只需比较午前和午后的情况。条形图之间的白细线使我们能够看到颜色组中的子部分。其他可能奏效的方法包括：两端用浅色可以制造出“正午”相对于“清晨”和“傍晚”的对比，或者，两端用灰色可以表现出“午前”和“午后”指的是人们醒着的时候。

4. 你想展示李克特量表中的选项，从“强烈赞同”到“强烈反对”。将下面的每个调查问题与最适合描述该问题结果的配色方案配对。

（1）请评价你对这一陈述的看法：我已经准备好迎接改革这家公司的挑战。

（2）请评价你对这一陈述的看法：我们的领导者已经准备好迎接改革这家公司的挑战。

（3）请评价你对这一陈述的看法：我相信公司的战略。

• 答案
• A—3：如果你想在两个方向上都表现强烈的感情，两端的对立色和中间的浅色效果很好。在这里，色彩的明暗体现了矛盾心理，色调则反映了积极与消极。
• B—1：如果你想表现出积极的感觉（准备就绪），试着用一种从不饱和状态逐渐变至饱和状态的单一颜色。这里粉红色的深浅反映了受访者的准备程度。
• C—2：如果你想表现出负面情绪（怀疑）的强烈程度，只需推翻之前的惯例，使单一的色彩从饱和状态逐渐变为不饱和状态。在这里，更深的蓝色反映更深层次的怀疑。

答案B和答案C之间的区别难以察觉。如果你把B看作问题3的答案，把C看作问题2的答案，也没什么问题。

5. 在折线图中，你将4个价格趋势与1个平均趋势进行比较。你想向看图者展示低于平均价格趋势的两条线。你认为用什么颜色来画平均趋势线比较好？

• 答案：C或者D

低于平均水平的趋势线应是主色调，因为这是我们希望人们关注的地方。同时，重要的是这些线相对于平均线的表现，所以，我们不希望它们盖过平均线。灰色可能太浅，深灰色也许行得通。

如果我们选择A或B，这会让看图者感到困惑。在这两种情况下，图表看起来都是集合中的另一个变量，而不是描述集合的平均线。

6. 在一个关于汽车制造商的图表中，有很多变量。将它们分组，以减少使用的颜色数量，并指定一个配色方案。找到一种只需两种颜色的分组方案。

• 答案

我设计了两个分组方案，一个包含三个变量，另一个包含两个变量。颜色在三个变量的分组中形成了对比，因为每个变量代表一个不同的区域，而我希望容易地区分它们。第二个分组方案使用主色和灰色，因为不再生产的汽车在某种意义上是不活跃的（就像灰色一样）。

7. 从这个图中找出4个地方来消除颜色。

• 答案

1. 标题。在这里使用颜色，无助于增加人们对“购买无人机时，什么是重要的”这一关键概念的关注。此外，对标题和“完全不重要”的值使用相同的颜色，似乎令人困惑和矛盾。
2. 类别标签。这些渐变的色彩是不必要的装饰，而且，这些颜色与视觉图表中的所有内容都没有联系。
3. 图例。让图例中的文字与它们所代表的内容颜色一致，有时这是有效的。不过这里，我们已经在图例中使用了色块，那么文字为黑色也无妨。
4. x轴标签。将这些百分比与变量的颜色联系起来令人困惑。毕竟，80%的人不会投票“完全不重要”。一般来讲，标签不需要颜色，尤其是被分配到其他内容上的颜色。

8. 为上面的叠加条形图设计一个替代的配色方案，使之有助于看图者关注购买无人机的重要因素。

• 答案

因为这些变量代表着重要性的下降（也就是说，某件事的重要性越来越低），所以我们可以用越来越浅的同一种颜色来表示这一点，使得最不重要的一组颜色饱和度最低。我们仍然能看到这三组，但也能很快理解重要性的下降，而且这种下降的程度比原来明显得多。

9. 找到一种合理方法来减少这个叠加区域图中的颜色数量。

• 答案

叠加的彩虹状颜色看起来很有趣（我敢打赌，你在回答第9题之前就已经看过了），但是极其难用。各种颜色都在争夺看图者的注意力。

这里可以创建任意数量的逻辑分组：最上面的三个类别作为一个整体，与其他一切（用两种颜色表示）进行对比；或者最上面的三个类别各有各的颜色，其他一切都是第四个类别；又或区域图中的上半部分作为一个整体与其他灰色区域形成比较。

鉴于这是一道开放性练习，上述任何一项都将是一个很好的集群。我选择了将四个变量分成三个组，其中最大的组是主色调，其他的是不那么引人注目的灰色和棕黄色。这在不影响视觉的情况下确立了清晰的区分，并将人们的注意力吸引到图中占比较大的区域，即最常见的机器学习技术上。

10. 这种颜色的使用有什么问题，你该如何解决？

• 答案

虽然这个图表的简洁性值得称赞，但是，对于一位红绿色盲患者来讲，它看起来就像下面的第一幅图。最简单的解决方案是标记这些条块。但为了以防万一，我们可以添加交叉影线到两个部分，以创建几何上的区分，防止颜色混合。

关于作者：斯科特·贝里纳托（Scott Berinato），《哈佛商业评论》高级编辑和、数据分析师、视觉化专家，同时也是一位获奖作家、编辑和内容架构师。他自称为“可视化极客”，喜欢利用可视化的方法解决各类沟通问题。在《哈佛商业评论》任职时，他曾倡导使用视觉传达和讲故事的方法，成功推出了可视化语言。

本文摘编自《用图表说话：职场人士必备的高效表达工具》，经出版方授权发布。

延伸阅读《用图表说话》

点击上图了解及购买

转载请联系微信：DoctorData

推荐语：用图表说话：新的商业沟通语言，职场人士必备技能。《哈佛商业评论》数据可视化专家手把手教你轻松制作清晰简洁、有说服力的图表，沟通复杂问题，做出明智的商业计划和决策。