大约一年前，我们发表了一篇博客文章，以致美国宇航局的一封信的形式，要求他们停止使用彩虹颜色标度。
写这篇文章是因为人们对彩虹色标普遍感到失望，尤其是看到 NASA 等该领域的专家和领导者使用感知上不正确的颜色标度。
我们并不孤单。美国宇航局地球观测站的罗伯特·西蒙也一直在为同样的变革而努力。
他取得了巨大的进步，作为进步的延续，他通过一系列关于正确使用颜色和色阶的精彩博客文章回应了我们的“信”。
几乎任何数据集都可以分为三种类型之一：顺序型、发散型 危地马拉移动数据库 和定性型，每种类型都适合不同的配色方案。
顺序数据最好用亮度和饱和度均匀变化的调色板来显示，最好是色调同时变化。
发散数据适合具有中性中心颜色的分叉调色板。
一组易于区分的颜色有利于定性数据。
在感知色彩空间（特别是 CIE L*C*h）中定义的调色板将比使用 RGB 或 HSV 色彩空间组成的调色板更准确，而后者更适合计算机而不是人类。
我认为这些是数据可视化的颜色基础。
在违反这些规则之前，你最好确定你知道自己在做什么（例如，不要使用彩虹调色板，除非有比“我们一直都是这样做的”更有说服力的理由）。
数据可视化中颜色的更微妙方面是什么？这些修饰（希望）能将图像置于斯特金定律的 10% 一侧（而不是 90%）。
直观的颜色
这听起来可能有点明显，但却是一个未被充分利用的原则。
尽可能制作直观的调色板。一些传统的配色方案，尤其是科学可视化中使用的配色方案，对于非专业人士来说很难理解。
事实上，一项研究发现“许多科学家使用的卫星可视化对于新手用户来说难以理解”（重点是我的）。
可视化应该尽可能易于理解，因此请尝试找到符合受众先入之见和文化联想的配色方案。当然，这并不总是可行的（电荷或收入是什么颜色？），但相当多的数据集适合特定的颜色。
植被是绿色的，荒地是灰色或米色的。水是蓝色的。云是白色的。红色、橙色和黄色是热的（或至少是温暖的）；蓝色是寒冷的。
彩虹调色板（左）的非自然色彩通常难以让新手观众解读。浮游植物（或多或少是一种海洋植物）的更自然的调色板趋势从贫瘠海洋的深蓝色，到微小植物和藻类浓度增加的青绿色、绿色和黄色。
除了与我们的物理环境相关的颜色之外（你能看出我主要研究地球科学数据集吗？），文化价值观也与某些颜色相关。
查看Google 图像搜索结果的拼接缩略图，其中查找“干净”（薄荷绿）、“恶意”（赭石）和“抽象”（蓝色）等词语。
使用这些关系将线索添加到可视化中。请注意，这些关系不是通用的，而是因文化而异。