在科研配色生成器中为实验组选择颜色，让不同图表中的组别颜色保持一致。锁定实验室已有的 HEX 色值，比较色觉模拟，再导出可复用的 Python 或 R 配色。无需注册。
让颜色表达数据
根据需要展示的数据类型选择颜色。
为每个实验组命名，并在不同图表中保持其颜色一致。
输入六位 HEX 色值或使用选色器，即可锁定该组颜色。切换分类预设或反转色板时，已锁颜色保持不变。取消锁定后，下次切换预设可替换该颜色。
无需注册 · 无需上传 · 本地编辑
色觉模拟是近似结果，导出始终保留原始配色。
与背景的最低对比度3.06:1
这里只比较颜色与背景，不比较颜色之间的差异。低于 3:1 时细线或小标记可能不清晰，可添加轮廓、标签或更换背景。
Python 和 R 使用所选图表类型与同一组示例数值，请替换为你的实际数据。
根据当前配色，分别找出各视图中最接近的一对分类颜色。色块展示对应模拟效果。
原始颜色
处理组 A ↔ 处理组 C
红色盲模拟
对照组 ↔ 处理组 C
绿色盲模拟
处理组 B ↔ 处理组 C
蓝色盲模拟
对照组 ↔ 处理组 B
灰度
处理组 B ↔ 处理组 C
此处 ΔE OK 为模拟后的 Oklab 欧氏距离 × 100，越小表示在该模型中越接近。它仅供比较，不是 CIEDE2000、可见性阈值或无障碍合格评分。
检查列出的组别，调整其中一组的 HEX 颜色，或改用折线图搭配不同标记与线型。
先将配色导出为 JSON 文件，再在下次使用时粘贴到这里。工具会在浏览器中恢复组名、颜色、锁定状态、图表类型和背景，并替换当前设置。
分类数据使用 Okabe–Ito 或 Paul Tol；有序值使用 Viridis/Plasma 采样；中心值使用 ColorBrewer RdBu/BrBG 采样。编辑组别颜色后会标记为自定义。色觉预览采用线性 sRGB 下的 Machado 2009 完全缺失模型；最近颜色对使用模拟后的 Oklab 距离乘以 100。请按最终使用尺寸检查图表。
Okabe–ItoPaul TolMatplotlibColorBrewerOklabMachado et al. (2009)
使用 paper banana，将研究方法、机制与流程转成清晰的科研图片。
颜色传达含义
科研配色不只是好看的色块。它帮助读者区分实验组、理解有序数值，或识别相对于有意义参考值的偏离。
从经典色板开始，输入实验室已有的 HEX 色值，并锁定需要保持一致的组别。接着比较五种视图中最接近的颜色对，再导出命名映射或可恢复的 JSON 文件，供下一张图使用。
用不同颜色区分对照组、处理组或物种。适合没有大小或先后顺序的分组数据。
用渐变表达浓度、表达量或强度的高低。选择 Viridis 或 Plasma，再按所需色数采样。
用中性色表示参考值，两侧颜色表示低于或高于参考值的变化。适合相关系数或以零为中心的效应量。
从四个实验组开始，再探索有序热图和中心值色阶。每个示例展示一种常见用途。加载预设后，可在上方交互图表中查看精确色值。
服务科研工作
从论文图表到演示幻灯片，保持实验组颜色一致。根据受众需要理解的问题，匹配组别颜色、有序色阶或中心值色阶。
实验研究人员可为柱状图和折线图中的每个队列或处理组指定一种颜色。导出命名映射后，可在论文面板、演示幻灯片和学术海报中复用。
数据分析人员可先在示例热图中预览 Viridis 或 Plasma，再复制 HEX 或导出 Python/R 离散色图，并将示例数据替换为实际测量值。
研究生和研究人员比较负效应与正效应时，可选择红蓝或棕绿发散色阶。示例热图将中性中点保持在零；请根据研究数值的含义和范围调整参考值。
不止于色块
在同一工具中预览、检查和导出。
已经为对照组固定了某种蓝色？输入六位 HEX 色值或使用选色器，该组会自动锁定。切换分类预设或反转色板时，这一精确颜色保持不变；取消其他组的锁定，即可尝试其他配色。自定义颜色会同步用于图表、Python 字典、R 命名向量和图像导出。
开始使用科研配色生成器比较原色、红色盲、绿色盲、蓝色盲和灰度视图中最接近的组别。每项结果都包含模拟色块和用于比较的 Oklab 距离。可在该视图中预览、编辑组别颜色，或选择折线图以获得不同的标记和线型组合。结果用于辅助检查，不构成无障碍认证。
开始使用科研配色生成器
下载 JSON，之后粘贴到“恢复已保存的配色”。可一起恢复组名、自定义颜色、锁定、图表类型、色数和背景。工具在本地校验后才替换当前设置，也支持早期版本的 JSON 导出。
开始使用科研配色生成器单凭一套色板，无法保证整张图符合无障碍或投稿要求。
分类数据可选 Okabe–Ito 或 Paul Tol bright，有序数据可选 Viridis 或 Plasma，中心值数据可选 ColorBrewer 发散色阶。
Machado 模型近似模拟色觉差异，不能代表所有读者、屏幕、印刷流程和观看条件。
检查标记大小、线宽、标签、背景和灰度效果。单一对比度数值不能说明两组数据是否容易区分。
减少重复调整
将 HEX 或 RGB 色值复制到 Excel 图表颜色控件，或在 Python 和 R 中复用命名配色。Excel 颜色需手动应用，本工具不导出工作簿。
复用各组的命名颜色，不必为每张图重新选色。
区分无序类别、有序值与围绕中心的变化。
获取图形编辑器和绘图库可用的 HEX 与 RGB 值。
从匹配预览类型的 Matplotlib 或 base R 示例开始。
下载 SVG 矢量示例图或两倍分辨率 PNG。
在浏览器中修改预设和标签，无需账号或上传数据。
几步完成配色
先选择数据类型，再结合图表检查效果。
选择分类色、顺序色或发散色，再设置配色方案和颜色数量。分类模式下，为各组填写不同名称，输入实验室 HEX 色值，并锁定需要保留的颜色。
比较五种视图中最接近的分类颜色对。检查图表、调整颜色；仅靠颜色不足时，添加标记或线型。
导出 HEX、CSS、JSON、Python 或 R 代码，或下载 SVG 或 PNG 示例图。保留 JSON 导出文件，下次可恢复命名配色及其锁定状态。
科研配色常见问题
比较对照组、处理组等无序类别时，用分类色；展示浓度、表达量或强度高低时，用顺序渐变；比较基准两侧的变化时，用发散色。Okabe–Ito 和 Paul Tol bright 适合组别区分，Viridis 和 Plasma 用于数值高低，RdBu 和 BrBG 则保留中性色作为参考。
Okabe–Ito 支持 2–8 色，Paul Tol bright 支持 2–7 色，Viridis 和 Plasma 支持 3–12 个采样色。发散色支持 3、5、7、9、11 色，以保留中性色。分类色数应匹配组数，难以区分时请增加标签或标记。
在分类模式下输入六位 HEX 或使用选色器，自动锁定该组颜色。切换分类预设或反转色板时颜色保持不变。取消锁定后，下次切换预设即可替换。导出命名映射，可在论文的多个面板中保持配色一致。
检查会在原色、红色盲、绿色盲、蓝色盲和灰度视图中比较每一对分类颜色，列出最接近的一对，并显示模拟色块与 Oklab 欧氏距离乘以 100 的数值。该模型中数值越低表示颜色越接近，但它不是通用的可见性阈值，也不是无障碍认证。
加载图表示例以应用预设，并在实时预览中检查精确颜色。切换原色、色觉模拟和灰度视图，检查最接近的组别，必要时增加标记或线型。模拟不构成无障碍认证，导出仍保留原始配色。
选择 Python 获得 Matplotlib 示例，或选择 R 获得 base R 代码，再替换示例数据。分类导出包含命名映射。Excel 和 PowerPoint 需将 HEX 或 RGB 手动复制到颜色控件；本工具不导出工作簿或演示文稿文件。
下载或复制 JSON，之后粘贴到“恢复已保存的配色”，点击“恢复配色”。有效的组名、自定义颜色、锁定、图表类型、色数和背景将一起恢复。无效 JSON 不改变当前配色。刷新后不会自动保留修改，请保存导出文件。
在此在线生成器中选择数据类型、预设和颜色数量，为各组命名并自定义颜色，预览图表后导出配色。编辑在浏览器中完成，无需账号，也不会上传研究数据。保存 JSON 导出文件，之后即可恢复设置。
