Matplotlib散点图色盲友好RGB配色：从原理到实践的完整指南-Python教程-PHP中文网

Matplotlib散点图色盲友好RGB配色：从原理到实践的完整指南

本文详解如何在ax.scatter()中用色盲友好三原色替代标准RGB，通过自定义颜色映射与归一化RGB元组实现高可访问性可视化，并提供即用型调色板与完整示例代码。

本文详解如何在`ax.scatter()`中用色盲友好三原色替代标准rgb，通过自定义颜色映射与归一化rgb元组实现高可访问性可视化，并提供即用型调色板与完整示例代码。

在科学可视化中，使用红（R）、绿（G）、蓝（B）通道编码三因素贡献（如变量a/b/c相对权重）是一种直观且信息密度高的策略——例如 (r, g, b) = (0.8, 0.1, 0.3) 表示变量a主导、c次之、b微弱。但标准RGB对红绿色觉缺陷（约占男性人口8%）用户极不友好：红与绿在CVD视觉模型中亮度与色调混淆度极高，导致关键模式丢失。

幸运的是，Matplotlib完全支持色盲友好替代方案，且无需修改底层逻辑——关键在于：将“RGB”理解为“三通道强度”的抽象概念，而非物理红/绿/蓝光。我们只需用色觉缺陷人群可区分的三组高对比度、高亮度差异的颜色替代原始通道，即可保留三维编码能力，同时大幅提升可访问性。

✅ 正确做法：用归一化色盲安全三元组直接赋值 `color=` 参数

ax.scatter(..., color=(R, G, B)) 中的 (R, G, B) 是 Matplotlib 接受的 归一化 RGB 元组（各分量 ∈ [0, 1]），它不依赖任何 colormap，也不会被 cmap 参数覆盖（这也是你尝试 cmap="viridis" 被忽略的根本原因）。因此，最直接、最可靠的方式是：

选用经验证的色盲安全调色板（如 Wong, Tol 或 Cividis 设计）中的三个主色；
将其 RGB 值归一化至 [0, 1] 区间；
在散点绘制时，按数据比例线性混合这三色（类比原RGB加权）。

以下为业界广泛采用的 Wong 色盲安全三原色组合（已归一化），专为红-绿-蓝三通道编码优化：

# ✅ 色盲友好三原色（归一化RGB元组）
CBF_BLUE   = (0.000, 0.447, 0.698)  # 原始 (0, 114, 178) → 深青蓝（强辨识度，低混淆）
CBF_ORANGE = (0.902, 0.620, 0.000)  # 原始 (230, 159, 0) → 饱和橙（与蓝/紫高对比）
CBF_VERMIL = (0.839, 0.373, 0.000)  # 原始 (213, 94, 0) → 朱红（替代红色，避免与绿混淆）

# 三通道编码函数：输入 a, b, c ∈ [0, 1]，输出混合色
def cbf_color(a, b, c):
    """返回色盲友好三通道混合色"""
    r = a * CBF_BLUE[0] + b * CBF_ORANGE[0] + c * CBF_VERMIL[0]
    g = a * CBF_BLUE[1] + b * CBF_ORANGE[1] + c * CBF_VERMIL[1]
    b_val = a * CBF_BLUE[2] + b * CBF_ORANGE[2] + c * CBF_VERMIL[2]
    return (r, g, b_val)

# 示例：生成100个点，每个点由三变量归一化权重决定颜色
np.random.seed(42)
n = 100
a_vals = np.random.rand(n)
b_vals = np.random.rand(n)
c_vals = 1 - a_vals - b_vals  # 确保 a+b+c=1（或按需归一化）
colors = [cbf_color(a, b, c) for a, b, c in zip(a_vals, b_vals, c_vals)]

# 绘制散点图（注意：此处用 color=colors 列表，非 c=... + cmap）
fig, ax = plt.subplots(figsize=(8, 6))
scatter = ax.scatter(
    np.random.randn(n), 
    np.random.randn(n), 
    c=colors,           # ✅ 直接传入RGB元组列表
    s=60, 
    edgecolors='none',
    alpha=0.8
)
ax.set_title("色盲友好三通道散点图\n(Blue-Orange-Vermilion 编码)", fontsize=14)
ax.grid(True, alpha=0.3)
plt.show()

⚠️ 重要注意事项

不要混用 c 和 color：c 参数触发 colormap 映射（需配合 cmap），而 color 参数直接指定固定色或颜色列表。你的原始需求是逐点指定三通道混合色，必须使用 color=，而非 c=。
归一化是硬性要求：Matplotlib 要求 RGB 元组分量严格在 [0, 1] 内。若使用 0–255 整数，请务必除以 255（如 (230/255, 159/255, 0)）。
避免纯灰度与低饱和色：色盲用户依赖亮度（L）差异，确保三主色在 CIELAB L 值上拉开距离（上述三色 L* ≈ 40/70/50，对比充分）。
增强可访问性的补充实践：
- 同时使用不同标记形状（marker）编码第四维；
- 在图例中用文字明确标注三色含义（如 "↑ a: Blue | ↑ b: Orange | ↑ c: Vermilion"）；
- 导出时优先保存为 SVG/PDF，避免 PNG 色彩压缩失真。

? 进阶：构建可复用的色盲友好 colormap（可选）

若需将此三色系统封装为 colormap（例如用于 c= 数值数组 + cmap=），可借助 LinearSegmentedColormap：

from matplotlib.colors import LinearSegmentedColormap

# 定义三节点线性插值：0→CBF_BLUE, 0.5→CBF_ORANGE, 1→CBF_VERMIL
nodes = [0.0, 0.5, 1.0]
colors = [CBF_BLUE, CBF_ORANGE, CBF_VERMIL]
cbf_cmap = LinearSegmentedColormap.from_list("CBF_Triple", colors, N=256)

# 使用示例（当 c 是数值数组时）
plt.scatter(x, y, c=z_values, cmap=cbf_cmap, s=50)
plt.colorbar(label="Composite Index")

综上，实现色盲友好散点图并非技术难题，而是设计意识的体现。摒弃默认RGB，拥抱经过视觉科学验证的三原色组合，并通过归一化元组精准控制，你就能在保持信息表达力的同时，让图表真正“看见所有人”。