跳转至

科研图配色方案

本目录整理适合论文图、汇报图和多子图科研图的常用配色。NPG、Science、Lancet 指的是对应期刊常见视觉风格的配色方案，不是投稿强制标准；Matplotlib 默认配色只作为 Python 绘图的基线参照。

本站点的 默认推荐配色方案是 NPG。如果没有特殊领域或期刊风格要求，优先从 NPG 开始，再根据图的语义和可读性微调。

实际使用时，优先级应是：可读性 > 语义一致 > 风格接近。如果颜色在缩小后的论文 PDF 中难以区分，就不应只因为它“像某个期刊风格”而继续使用。

1. 使用原则

  • 同一篇论文中尽量固定一套主配色。 同一种方法、同一种数据集或同一种语义，在不同图中应尽量保持同色。
  • 颜色要承担语义，而不是只做装饰。 例如 baseline、proposed method、risk、gain 这类概念应有稳定映射。
  • 类别少时优先使用高区分度颜色；类别多时降低饱和度。 类别过多时，不要试图让每个颜色都很抢眼。
  • 柱状图、面积图、背景散点可以使用半透明色。 这样能降低视觉压力，也方便多个元素共存。
  • 文字、坐标轴和误差线不要使用过浅颜色。 这些元素承担读数功能，应优先保证清楚。

2. 不同子图形态示例

下面把 Python 默认配色和三套期刊风格配色放到常见科研图子图中对比。选择配色时不要只看单个色块，还要检查它在目标图形形态中的可读性。

图中包含几类常见形态：色条用于检查颜色区分度，柱状图适合方法或设置对比，折线图适合趋势变化，散点图适合样本分布，热力图适合矩阵或混淆结果。

不同配色在常见科研图子图中的效果

生成脚本见 visualize_palette_panels.py。如果论文中只包含两到三类方法，优先使用每套配色的前 3-4 个高区分度颜色；如果是多子图科研图，同一方法或同一语义在所有子图中应保持同色。

3. Matplotlib 默认风格

Matplotlib 默认颜色循环来自 Tableau / tab10 风格。它适合快速探索和草图，不一定适合直接作为论文最终配色。

它的优点是开箱即用、区分度较高；缺点是默认橙、绿、红、紫等颜色在正式论文中可能显得较强，且不同论文中容易出现 Python 默认图的视觉痕迹。

十六进制颜色

MATPLOTLIB_HEX = [
    "#1F77B4",  # 蓝色
    "#FF7F0E",  # 橙色
    "#2CA02C",  # 绿色
    "#D62728",  # 红色
    "#9467BD",  # 紫色
    "#8C564B",  # 棕色
    "#E377C2",  # 粉色
    "#7F7F7F",  # 灰色
    "#BCBD22",  # 橄榄色
    "#17BECF",  # 青色
]

Matplotlib 当前环境读取方式

import matplotlib.pyplot as plt

MATPLOTLIB_DEFAULT = plt.rcParams["axes.prop_cycle"].by_key()["color"]

4. NPG 风格

NPG 风格适合大多数机器学习、生物医学和综合科研图。本站点默认推荐使用这套配色作为通用论文配色。

这套配色的蓝、青、绿、红区分明显，适合多方法对比和多子图科研图；如果图中已经有大量文字或标注，可以适当降低填充透明度。

十六进制颜色

NPG_HEX = [
    "#E64B35",  # 朱红色
    "#4DBBD5",  # 青蓝色
    "#00A087",  # 绿色
    "#3C5488",  # 深蓝色
    "#F39B7F",  # 鲑红色
    "#8491B4",  # 灰紫蓝色
    "#91D1C2",  # 薄荷绿色
    "#DC0000",  # 强红色
    "#7E6148",  # 棕色
    "#B09C85",  # 灰褐色
]

RGB

NPG_RGB = [
    (230, 75, 53),
    (77, 187, 213),
    (0, 160, 135),
    (60, 84, 136),
    (243, 155, 127),
    (132, 145, 180),
    (145, 209, 194),
    (220, 0, 0),
    (126, 97, 72),
    (176, 156, 133),
]

Matplotlib 半透明写法

from matplotlib.colors import to_rgba

NPG_RGBA_032 = [to_rgba(color, alpha=0.32) for color in NPG_HEX]
NPG_RGBA_060 = [to_rgba(color, alpha=0.60) for color in NPG_HEX]

常用语义映射：

NPG_SEMANTIC = {
    "risk": to_rgba("#E64B35", alpha=0.32),
    "baseline": to_rgba("#3C5488", alpha=0.32),
    "method": to_rgba("#4DBBD5", alpha=0.32),
    "improvement": to_rgba("#00A087", alpha=0.45),
    "background": to_rgba("#D0D0D0", alpha=0.32),
    "text": "#1A1A1A",
    "grid": "#E6E6E6",
}

5. Science 风格

Science 风格适合对比强、结论明确的结果图。当图的重点是突出主要差异时，可以优先考虑这套配色。

它的深蓝、正红、绿色和紫色对比强，适合方法比较、分类结果和关键实验组；但如果同一张图中类别很多，需要注意避免颜色过于拥挤。

十六进制颜色

SCIENCE_HEX = [
    "#3B4992",  # 深蓝色
    "#EE0000",  # 红色
    "#008B45",  # 绿色
    "#631879",  # 紫色
    "#008280",  # 蓝绿色
    "#BB0021",  # 深红色
    "#5F559B",  # 紫蓝色
    "#A20056",  # 洋红色
    "#808180",  # 灰色
    "#1B1919",  # 近黑色
]

RGB

SCIENCE_RGB = [
    (59, 73, 146),
    (238, 0, 0),
    (0, 139, 69),
    (99, 24, 121),
    (0, 130, 128),
    (187, 0, 33),
    (95, 85, 155),
    (162, 0, 86),
    (128, 129, 128),
    (27, 25, 25),
]

Matplotlib 半透明写法

from matplotlib.colors import to_rgba

SCIENCE_RGBA_032 = [to_rgba(color, alpha=0.32) for color in SCIENCE_HEX]
SCIENCE_RGBA_060 = [to_rgba(color, alpha=0.60) for color in SCIENCE_HEX]

常用语义映射：

SCIENCE_SEMANTIC = {
    "control": to_rgba("#3B4992", alpha=0.32),
    "treatment": to_rgba("#EE0000", alpha=0.32),
    "secondary": to_rgba("#008B45", alpha=0.32),
    "ablation": to_rgba("#631879", alpha=0.32),
    "background": to_rgba("#808180", alpha=0.24),
    "text": "#1B1919",
    "grid": "#E6E6E6",
}

6. Lancet 风格

Lancet 风格适合医学、生物医学和临床实验结果图。如果图中包含实验组对照、临床队列或医学任务结果，这套配色通常比较稳妥。

这里采用常见的 Lancet Oncology 色组，也就是 ggsci::pal_lancet("lanonc") 对应的配色。整体对比强、主色偏稳重，适合方法对比、实验组对照和多子图结果图。

十六进制颜色

LANCET_HEX = [
    "#00468B",  # 深蓝色
    "#ED0000",  # 红色
    "#42B540",  # 绿色
    "#0099B4",  # 青色
    "#925E9F",  # 紫色
    "#FDAF91",  # 浅鲑红色
    "#AD002A",  # 深红色
    "#ADB6B6",  # 灰青色
    "#1B1919",  # 近黑色
]

RGB

LANCET_RGB = [
    (0, 70, 139),
    (237, 0, 0),
    (66, 181, 64),
    (0, 153, 180),
    (146, 94, 159),
    (253, 175, 145),
    (173, 0, 42),
    (173, 182, 182),
    (27, 25, 25),
]

Matplotlib 半透明写法

from matplotlib.colors import to_rgba

LANCET_RGBA_032 = [to_rgba(color, alpha=0.32) for color in LANCET_HEX]
LANCET_RGBA_060 = [to_rgba(color, alpha=0.60) for color in LANCET_HEX]

常用语义映射：

LANCET_SEMANTIC = {
    "baseline": to_rgba("#00468B", alpha=0.32),
    "proposed": to_rgba("#ED0000", alpha=0.32),
    "secondary": to_rgba("#42B540", alpha=0.32),
    "cohort": to_rgba("#0099B4", alpha=0.32),
    "background": to_rgba("#ADB6B6", alpha=0.24),
    "text": "#1A1A1A",
    "grid": "#E6E6E6",
}

7. 快速复制模板

如果只需要在一张图里使用半透明期刊风格颜色，可以直接复制下面这段：

from matplotlib.colors import to_rgba

NPG = {
    "red": "#E64B35",
    "cyan": "#4DBBD5",
    "green": "#00A087",
    "blue": "#3C5488",
    "gray": "#D0D0D0",
}

COLORS = {
    "main": to_rgba(NPG["blue"], alpha=0.32),
    "compare": to_rgba(NPG["cyan"], alpha=0.32),
    "gain": to_rgba(NPG["red"], alpha=0.32),
    "highlight": to_rgba(NPG["green"], alpha=0.60),
    "background": to_rgba(NPG["gray"], alpha=0.24),
    "text": "#1A1A1A",
    "grid": "#E6E6E6",
}

8. 透明度建议

场景 推荐透明度
主柱状图填充 0.32 - 0.45
散点主类别 0.55 - 0.75
背景散点 0.18 - 0.32
内嵌小图或辅助区域 0.24 - 0.45
高亮边框、文字、误差线 不建议透明

注意：透明色适合降低视觉压力，但不适合用于细线、文字和误差线。 导出 PDF 时也要检查透明叠加是否符合期刊投稿系统要求。

9. 参考资料