Почему не стоит использовать больше 6-8 цветов на одном графике, и как правильно выбирать цвета для категориальных и для числовых (градиентных) данных?

Короткий ответ

Человеку сложно одновременно различать много дискретных оттенков; для категориальных данных нужна ограниченная качественная палитра (не более 6–8 цветов), а для непрерывных упорядоченных данных — последовательный или расходящийся градиент, а не «радуга» из несвязанных оттенков.

Как это работает подробнее

Качественные палитры используют разные оттенки для неупорядоченных категорий; последовательные палитры меняют яркость одного оттенка для упорядоченных числовых данных; расходящиеся палитры используют два оттенка вокруг нейтральной середины для данных со значимым нулём/центром.

Пример кода

example.pyКопировать

import seaborn as sns
sns.set_palette("colorblind")  # ограниченная и доступная качественная палитра
# для градиента: sns.color_palette("viridis", as_cmap=True) вместо "jet"/rainbow

Что использовать на практике

• Рекомендация. Объединяйте мелкие категории в «Прочее», чтобы ограничить число цветов.
• Рекомендация. Используйте палитры, безопасные для дальтоников (например, ColorBrewer).
• Рекомендация. Сохраняйте одинаковый цвет для одной категории на разных графиках одного дашборда.

Подводные камни

• Риск. Использование «радужной» colormap по умолчанию для непрерывных данных (перцептивно неравномерна, искажает восприятие величины).
• Риск. Сочетание только красного и зелёного без дополнительного визуального признака (около 8% мужчин не различают эти цвета).
• Риск. Разные цвета для одной и той же категории на разных графиках дашборда.