과학용 색상 팔레트 생성기로 그림마다 실험 색상을 일관되게 유지하세요. 원하는 HEX 색상을 고정하고 색각 시뮬레이션을 비교한 뒤 Python이나 R에서 재사용할 팔레트를 내보낼 수 있습니다. 가입 없이 바로 이용하세요.
데이터의 의미를 전하는 색상
표현할 데이터 유형에 맞는 색상을 선택하세요.
실험 그룹에 이름을 붙이고 여러 그림에서 같은 색상을 유지하세요.
6자리 HEX 값을 입력하거나 색상 선택기를 사용하면 해당 그룹의 색상이 고정됩니다. 고정된 색상은 범주형 팔레트를 변경하거나 반전해도 유지됩니다. 다음 팔레트 변경 시 바꾸려면 고정을 해제하세요.
가입 불필요 · 업로드 없음 · 로컬 편집
시뮬레이션은 근사치입니다. 내보내기에는 원본 색상이 사용됩니다.
배경 대비 최소 명암비3.06:1
각 색상을 배경과 비교한 값이며 색상 간 차이는 아닙니다. 3:1 미만이면 가는 선을 보기 어려울 수 있습니다. 테두리나 레이블을 추가하거나 배경을 바꾸세요.
Python과 R에는 선택한 그래프 유형과 동일한 예시 데이터가 사용됩니다. 실제 데이터로 바꿔 사용하세요.
현재 범주형 팔레트에서 각 색각 조건과 회색조로 볼 때 가장 비슷한 색상 쌍을 찾습니다. 견본에는 시뮬레이션을 적용한 색상이 표시됩니다.
원본 색상
처리군 A ↔ 처리군 C
적색맹 · Protanopia
대조군 ↔ 처리군 C
녹색맹 · Deuteranopia
처리군 B ↔ 처리군 C
청색맹 · Tritanopia
대조군 ↔ 처리군 B
회색조
처리군 B ↔ 처리군 C
ΔE OK는 시뮬레이션 후 Oklab 유클리드 거리에 100을 곱한 값입니다. 값이 작을수록 이 모델에서 더 비슷합니다. CIEDE2000이나 가시성 기준값이 아니며 접근성을 인증하지 않습니다.
표시된 색상 쌍을 검토하고 HEX 값을 바꾸거나 서로 다른 마커와 선 스타일을 사용하세요.
JSON 내보내기를 저장한 뒤 다음 작업에서 여기에 붙여 넣으세요. 이름, 정확한 색상, 고정 상태, 그래프 유형과 배경을 로컬에서 복원하며 현재 설정을 대체합니다.
범주형에는 Okabe–Ito와 Paul Tol, 순서가 있는 값에는 Viridis/Plasma 표본, 중립 중심값에는 ColorBrewer RdBu/BrBG를 사용합니다. 색상을 편집하면 사용자 지정 팔레트가 됩니다. 시뮬레이션에는 선형 sRGB에서 최대 심각도의 Machado 2009 모델을 사용합니다. 시뮬레이션 후 Oklab 거리 × 100으로 색상 쌍을 비교합니다. 최종 출력 크기에서도 그림을 확인하세요.
Okabe–ItoPaul TolMatplotlibColorBrewerOklabMachado et al. (2009)
paper banana로 연구 방법, 메커니즘, 워크플로를 명확한 과학 그림으로 만들어 보세요.
색상에 의미를 담으세요
과학용 팔레트는 보기 좋은 색상 조합 이상의 역할을 합니다. 실험 그룹을 구분하고, 순서가 있는 척도를 읽고, 의미 있는 기준값에서 벗어난 정도를 파악하도록 돕습니다.
알려진 팔레트에서 시작해 연구실의 HEX 값을 입력하고 유지할 그룹 색상을 고정하세요. 다섯 가지 조건에서 가장 가까운 색상 쌍을 비교한 뒤 이름별 색상 매핑이나 다음 그림에서 복원할 수 있는 JSON 파일을 내보내세요.
대조군, 처리군, 종처럼 순서가 없는 그룹을 서로 다른 색상으로 구분합니다.
농도, 발현량, 강도처럼 크기를 비교하는 값에는 점진적인 색상 변화를 사용합니다. Viridis나 Plasma에서 필요한 색상 수를 선택할 수 있습니다.
중립 색상을 기준값에 놓고 양쪽 색상으로 그보다 작거나 큰 값을 나타냅니다. 상관계수나 0을 중심으로 한 효과크기에 적합합니다.
네 그룹으로 시작하거나 순차형 히트맵과 중심값 기준 척도를 살펴보세요. 각 예시는 흔히 쓰는 용도를 보여 줍니다. 예시를 불러오면 위의 대화형 그래프에서 정확한 색상을 확인할 수 있습니다.
과학 연구를 위한 색상
논문 그림부터 발표 슬라이드까지 실험 색상을 일관되게 유지하세요. 그룹 색상, 순서가 있는 척도, 중심 효과를 청중이 이해해야 할 질문에 맞춰 선택하세요.
각 코호트나 처리군에 막대그래프와 꺾은선그래프에서 고유한 색상을 지정하세요. 이름별 매핑을 내보내 논문 패널, 발표 슬라이드와 학술 포스터에서 재사용할 수 있습니다.
순서가 있는 측정값을 표시하기 전에 Viridis나 Plasma를 미리 확인하세요. HEX를 복사하거나 Python 또는 R용 이산 색상 맵을 내보낸 뒤 예시 데이터를 실제 측정값으로 바꾸세요.
음수와 양수 효과를 비교하는 대학원생과 연구자는 빨강–파랑 또는 갈색–초록 발산형 척도를 고를 수 있습니다. 예시 히트맵은 0에 중립 중심을 유지합니다. 실제 연구 값의 의미와 범위에 맞춰 기준을 조정하세요.
색상 견본 이상의 기능
한 도구에서 미리 보고, 검토하고, 내보내세요.
대조군에 이미 쓰는 특정 파란색이 있나요? 6자리 HEX 값을 입력하거나 색상 선택기를 사용하세요. 그룹이 자동으로 고정되어 해당 색상은 범주형 팔레트를 바꾸거나 반전해도 유지됩니다. 다른 그룹은 고정을 해제해 대안을 탐색할 수 있습니다. 사용자 지정 색상은 그래프, Python 딕셔너리, R 명명된 벡터와 이미지 내보내기에 모두 반영됩니다.
지금 과학용 색상 팔레트 생성기 시작하기원본, 적색맹, 녹색맹, 청색맹과 회색조에서 가장 가까운 그룹을 확인하세요. 각 결과에는 시뮬레이션 견본과 비교용 Oklab 거리가 표시됩니다. 해당 화면을 미리 보며 그룹 색상을 수정하거나, 꺾은선그래프에서 서로 다른 마커와 선 스타일 조합을 선택할 수 있습니다. 결과는 검토를 돕는 용도이며 접근성 인증이 아닙니다.
지금 과학용 색상 팔레트 생성기 시작하기
JSON을 다운로드한 뒤 나중에 저장한 팔레트 복원 영역에 붙여 넣으세요. 이름, 색상, 고정 상태, 그래프 유형, 색상 수와 배경이 복원됩니다. 설정을 대체하기 전에 로컬에서 유효성을 검사하며 이 도구의 이전 내보내기도 지원합니다.
지금 과학용 색상 팔레트 생성기 시작하기팔레트만으로 접근성이나 출판 요구 사항 준수를 보장할 수는 없습니다.
범주형에는 Okabe–Ito나 Paul Tol bright, 순서가 있는 데이터에는 Viridis나 Plasma, 중심 기준에는 ColorBrewer 발산형 척도를 사용하세요.
Machado 모델은 색각 차이를 근사합니다. 모든 독자, 화면, 인쇄 방식이나 관찰 환경을 재현하지는 않습니다.
마커 크기, 선 두께, 레이블, 배경과 회색조를 확인하세요. 명암비만으로 두 데이터 계열의 구분 가능성을 판단할 수는 없습니다.
반복 설정 줄이기
HEX나 RGB 값을 Excel 차트 색상 설정에 복사하거나 Python과 R에서 이름별 색상을 재사용하세요. Excel 색상은 수동으로 적용해야 하며, 이 도구는 통합 문서를 내보내지 않습니다.
그래프마다 새로 고르지 않고 이름별 색상을 재사용하세요.
순서 없는 범주, 순서 있는 값과 중심 기준 효과를 구분하세요.
그림 편집기와 그래프 라이브러리용 HEX 및 RGB를 가져오세요.
미리보기와 일치하는 Matplotlib 또는 기본 R 예제로 시작하세요.
벡터 SVG 또는 두 배 해상도의 PNG로 예시를 다운로드하세요.
계정이나 업로드 없이 브라우저에서 설정과 이름을 바꾸세요.
팔레트 선택 단계
데이터 유형을 고르고 실제 그래프 맥락에서 색상을 확인하세요.
범주형·순차형·발산형 중 하나를 고르고 팔레트와 색상 수를 설정하세요. 범주형에서는 그룹마다 고유한 이름과 연구실의 HEX 값을 입력하고 유지할 색상을 고정하세요.
다섯 가지 조건에서 가장 가까운 색상 쌍을 비교하세요. 색상을 검토하고 조정하며 색상만으로 부족하면 마커나 선 스타일을 추가하세요.
HEX, CSS, JSON, Python 또는 R 코드로 내보내거나 SVG나 PNG 예시를 다운로드하세요. 다음 작업에서 이름과 고정 상태를 복원할 수 있도록 JSON 내보내기를 보관하세요.
그림 작업 이어가기
데이터 시각화와 논문 준비 도구를 살펴보세요.
과학용 팔레트 질문
대조군과 처리군처럼 순서가 없는 그룹에는 범주형, 농도나 발현량의 크기에는 순차형, 기준값 양쪽의 변화에는 발산형 팔레트를 사용하세요. Okabe–Ito와 Paul Tol bright는 그룹 구분에, Viridis와 Plasma는 값의 크기를 표현하는 데 적합합니다. RdBu와 BrBG는 중립 색상을 기준으로 양쪽 변화를 보여 줍니다.
Okabe–Ito는 2~8색, Paul Tol bright는 2~7색, Viridis와 Plasma는 3~12개 표본을 지원합니다. 발산형은 중립 중심을 유지하기 위해 3, 5, 7, 9, 11색을 지원합니다. 범주형 색상 수를 그룹 수에 맞추고 구분이 어려워지면 마커를 추가하세요.
범주형에서 6자리 HEX 값을 입력하거나 색상 선택기를 사용하면 그룹이 자동으로 고정됩니다. 범주형 팔레트를 변경하거나 반전해도 색상이 유지됩니다. 다음 변경 시 바꾸려면 고정을 해제하세요. 이름별 매핑을 내보내 여러 패널에서 재사용할 수 있습니다.
검토 도구는 원본, 적색맹, 녹색맹, 청색맹과 회색조 보기에서 모든 범주형 색상 쌍을 비교합니다. 가장 가까운 쌍을 이름과 함께 표시하고, 시뮬레이션 견본과 Oklab 유클리드 거리에 100을 곱한 값을 보여 줍니다. 값이 낮을수록 이 모델에서 색상이 가깝다는 뜻이며, 보편적인 가시성 기준이나 접근성 인증은 아닙니다.
예시를 불러오면 해당 팔레트가 적용되어 대화형 미리보기에서 정확한 색상을 확인할 수 있습니다. 원본, 시뮬레이션과 회색조를 전환하며 가장 가까운 쌍을 검토하세요. 필요하면 마커나 선 스타일을 추가하세요. 시뮬레이션은 접근성을 인증하지 않으며 내보내기에는 원본 색상이 유지됩니다.
Matplotlib에는 Python을, 기본 R에는 R을 선택하고 예시 값을 실제 측정값으로 바꾸세요. 범주형에는 이름별 색상 매핑이 포함됩니다. Excel이나 PowerPoint에서는 색상 설정에 HEX 또는 RGB를 직접 입력하세요. 생성기는 통합 문서나 프레젠테이션 파일을 내보내지 않습니다.
JSON을 다운로드하거나 복사한 뒤 다음 작업에서 저장한 팔레트 복원 영역에 붙여 넣으세요. 유효한 이름, 사용자 지정 색상, 고정 상태, 그래프 유형, 색상 수와 배경이 복원됩니다. 잘못된 JSON은 현재 팔레트를 변경하지 않습니다. 새로고침하면 편집 내용이 자동 저장되지 않으므로 파일을 보관하세요.
이 생성기에서 데이터 유형을 고르고, 프리셋과 색상 수를 선택하세요. 그룹 이름을 정하고 색상을 조정한 뒤 그래프를 미리 보고 팔레트를 내보내면 됩니다. 편집은 계정이나 연구 데이터 업로드 없이 브라우저에서 진행됩니다. 나중에 설정을 복원할 수 있도록 JSON 내보내기를 저장하세요.
데이터를 명확하게 전달
논문의 처리군 색상을 포스터 그림과 범례에도 사용하세요. 선택한 배경에서 확인한 뒤 HEX나 이름별 매핑을 내보내 편집기에 적용할 수 있습니다.
