B端图表数据可视化设计之色彩篇

色彩在数据可视化中扮演着至关重要的角色,它有助于使图表更加清晰、准确,同时赋予数据更丰富的表达方式。

然而,许多设计师依赖于主观的美感和色彩感觉来进行图表设计,缺乏科学方法的支持,这可能导致信息传达的不准确性和不一致性。

最近研究图表的时候接触到了色彩的选择,于是想利用自己项目来做一次科学的颜色的实验和验证,并重新去利用到项目里面,让自己的设计更加有说服力,也希望帮助到看到这个文章的设计师。

一、可视化色彩设计原则

颜色有助于视觉图表更清晰、更准确,并丰富地传达数据。颜色在可视化中通常具有三个重要目的:区分数据类别、描述量化规律和强调。

观察下图就可以看出图表配色的重要性。左边没有颜色的图表看不出图表数据的重要性,没有对数据的强调,也没有数据类别的区分。

B端图表数据可视化设计之色彩篇

1.设计原则

数据可视化在Oteam-TVision经过大量的理论研究和项目实践,总结了四个可视化设计原则:准确、清晰、舒适和兼容。

我们可以总结为以下四个原则:

准确:针对不同类型的数据进行颜色匹配,并保证颜色语义定义中的含义准确;

清晰:保证色相的识别度、颜色层次的均匀性,最大限度地提高图表数据的清晰度;

舒适:兼顾配色的舒适与美观,达到审美愉悦,实现整体视觉统一;

兼容:考虑颜色兼容性使得图表在各种应用场景(深色模式、色障人群、极端数据场景)下真正发挥作用。

B端图表数据可视化设计之色彩篇

2.如何建立可视化色板

为了找准配色方向,针对数据类型的配色,首先需要了解可视化的数据类型,可以大致把数据类型划分为分类数据,时序数据,空间数据。

B端图表数据可视化设计之色彩篇

二、分类色板的定义

1.分类色板的定义

分类色板:常见于描述分类数据,经常采用不同色相来区分数据类别,要求高辨识度、高区分度。

在产品中,在主题色或品牌色明确的的情况下,配色最不可控,特别是辅助色众多的分类色板,下面主要介绍如何定制分类色板。

2.关于色轮与HSB模式介绍

接下来介绍HSB的色相模式。用色相表示分类是最简单直接的方法,也是设计师普遍认可的方式,在众多色彩模式中,能最直接控制色相,饱和度,亮度的模式就是HSB,因此我们选择HSB模式进行实验。

3.建立色轮

首先,先默认自己的主题色是品牌色,以这个品牌色的色值为原点,在HSB色环上,每隔15度取一个色值(在亮度B和饱和度S不变的情况下,对H值进行加减15得到的数)得到基于这个主色的24色轮。

我这里先得出了24色轮,但是发现色值太过相似,肉眼观察不出变化,于是删除了15度的色值,留下了30度的色值,得到了基于主色的12色轮。

B端图表数据可视化设计之色彩篇

4.怎么确定其余颜色

这里需要给自己选择的12个颜色,进行颜色的术语定义。

这里介绍一种取色思路叫分组取色:

第一组:相似色,邻近色;(选1个)

第二组:中差色,对比色;(选1个)

第三组:邻近互补色,互补色,反向邻近互补色(选1-2个)

第四组:反向对比色,反向中差色,反向邻近色(选1-2个)

需要注意的取色原则:

在B端设计图表中,尽量不要使用过多的红色作为辅助色,保证有一个红色调就可以;

不同色相相同色相差的区分度不同,要考虑所选颜色之间的区分度,相邻颜色之间如果肉眼很难分辨,就二选一;

优先选择干净,明快,柔和的颜色,保证视觉上的美观;

取色的数量,通常选择能叫出名字的颜色,即红橙黄绿青蓝紫,所以在这里我们选出5种颜色即可。

B端图表数据可视化设计之色彩篇

5.色轮中选出所需的颜色结果

B端图表数据可视化设计之色彩篇

6.色彩校正(这是最重要的一步,也是我花了很多时间研究的一步)

由于每种颜色都有自己的“感官明度”,不同颜色在视觉上会有明显的明暗差异,感受也不一致。

为了得到更和谐的色板,可以对部分颜色的饱和度和明度进行校正。

这里介绍下,怎么知道主色是否和所选的颜色感官明度一致呢?

新建一个纯黑色块,放在选好的色值色块上,把黑色的色块样式改为色相,就能得到如下图效果。以第一个主色为基调的话,蓝紫色和紫色的感光度都较高,中间3个颜色就低很多。这样的颜色运用在可视化中是不和谐的。

B端图表数据可视化设计之色彩篇

下面我们就来介绍怎么做色彩校正。

7.如何校正色彩及校正规则

校正规则:

通常情况下,保证H值不变,去调整饱和度和亮度;

浅色色调:降低饱和度,增加亮度;

深色色调:增加饱和度,降低亮度;

H值校正:校正前后这个值不超过15度,色相必须保持是同类色(色相环中15°夹角内的颜色);

保持感官明度的同频;

确保视障群体的识别度。

下图就是对选中的其中一个颜色进行校正的效果。

B端图表数据可视化设计之色彩篇

8.校正结果

这里还可以增加一步对色彩区分度的验证。

工具地址:https://projects.susielu.com/viz-palette

如果验证结果不合格,需要回到色彩校正这一步,重新调整色值。下图就是我校正的色彩结果,总体来说都是没有变色相,而是去改变颜色的饱和度。

B端图表数据可视化设计之色彩篇

9.用色顺序

可视化图表的用色顺序,是实际影响界面中的颜色配比的重要因素。一般遵循6:3:1的配色原则。60%的主色,30%的次要颜色,10%的点缀色。

在分类色板的清晰度得以保障的情况下,任意两两颜色之间的色彩都要符合清晰度的验证标准。我实验了2种可行的方法:

方法一:按邻近色顺序使用

使用方法:将分类色板内的颜色按照色环排序,按顺序优先使用邻近色相。

B端图表数据可视化设计之色彩篇

方法二:按照分裂互补色跳跃使用

使用方法:将分类色板的颜色,按照色环排序,优先使用分裂互补色。

B端图表数据可视化设计之色彩篇

三、连续色板的定义

连续色板:通常是用于表示同一事物中的数值大小,梯度的变化,常采用同色相颜色的不同明度和饱和度来表示。要求高均匀度、大跨度。

这里实验了2种方法配图。

方法一:实际工作中推荐使用工具

工具链接:

https://gka.github.io/palettes/#/9|s|00429d,96ffea,ffffe0|ffffe0,ff005e,93003a|1|1

B端图表数据可视化设计之色彩篇

方法二:photoshop

在拾色器中,固定A和B的值不变,L值等差调节。

这里主要调节L值,在主色调L值的基础上,加减5得到了右图的色板。其他辅助色也能用这个办法。

B端图表数据可视化设计之色彩篇

四、发散色板的定义

发散色板通常用于表现数据从负数到0再到整数的连续变化,通常采用由一个颜色过渡到一个浅色,再均匀过渡到另一种对比色的表现方式。

取色建议:通常取两种对立的颜色,例如互补色或者对比色,红-蓝/橙-蓝/紫-绿等。

注意:不建议使用红绿、黄蓝的互补,因为这2组不能兼容色觉障碍用户。

工具链接:

https://gka.github.io/palettes/#/9|s|00429d,96ffea,ffffe0|ffffe0,ff005e,93003a|1|1

如下图,左边选择了主色红色,右边选择一个已经调整好的蓝色色值。

B端图表数据可视化设计之色彩篇

版权声明及安全提醒:本文转自网络平台,文章仅代表作者观点,不代表「金融文库」立场。相关版权归原作者所有,「金融文库」仅提供免费交流与学习,相关内容与材料请勿用于商业。我们感谢每一位原创作者的辛苦付出与创作,如本转载内容涉及版权及侵权问题,请及时联系我们客服处理(微信号:JRwenku8),谢谢!

(0)
上一篇 2024年7月10日 上午9:17
下一篇 2024年7月26日 上午9:45

相关推荐

  • 神策数据:Android_全埋点技术白皮书

    神策数据:Android_全埋点技术白皮书下载地址,提供最新金融行业数字化营销与运营学习资料与研究报告,了解金融行业运营方法与实践案例,本专辑收录了数百份数字化营销与运营相关研究报告。

    2021年10月19日
  • 神策数据:十大数据分析模型详解

    神策数据:十大数据分析模型详解下载地址,提供最新金融行业数字化营销与运营学习资料与研究报告,了解金融行业运营方法与实践案例,本专辑收录了数百份数字化营销与运营相关研究报告。

    2022年1月10日
  • 银行营销:腾讯数据实验室:金融行业世界杯营销白皮书

    银行营销:腾讯数据实验室:金融行业世界杯营销白皮书下载地址,提供最新金融行业数字化营销与运营学习资料与研究报告,了解金融行业运营方法与实践案例,本专辑收录了数百份数字化营销与运营相关研究报告。

    2021年11月28日
  • Webpower:高效转化揭秘精细化运营全用户旅程2022(32页)

    Webpower:高效转化揭秘精细化运营全用户旅程2022(32页)下载地址,提供最新金融行业数字化营销、私域运营、营销科技等相关领域学习资料与研究报告,了解金融行业营销科技动向,本专辑收录了数百份数字化营销相关研究报告。

    2022年4月11日
  • ID-Mapping 方案赋能企业全域数字化经营(14页)

    ID-Mapping 方案赋能企业全域数字化经营(14页)已加入数字化营销专题资料包,本专题提供最新营销科技研究报告,数字化营销发展趋势,数字化营销与运营培训分享等相关领域学习资料与研究报告,帮助你全面了解数字化营销发展趋势。

    2023年4月12日
  • 微信生态全景解读(52页)

    微信生态全景解读(52页)已加入数字化营销专题资料包,本专题提供最新营销科技研究报告,数字化营销发展趋势,数字化营销与运营培训分享等相关领域学习资料与研究报告,帮助你全面了解数字化营销发展趋势。

    2023年4月7日