好的图形展示方式能够简明扼要地表达数据，而好的配色一方面能够突出数据的重点，另一方面能够使所有的数据和谐共存。好的配色是图的二次进化，能够赋予图片“生命”。
1，日常生活中使用的颜色
2，RGB配色方案
3，透明度（alpha）
4，背景色
5，渐变色
6，撞色
1，日常生活中使用的颜色
日常生活中，我们经常提到各种颜色，例如赤橙黄绿青蓝紫，中国红，香蕉黄等，一般用来定性描述物体的颜色属性，不够精确，例如，红色，是红绿灯的红色，还是苹果的红色？所以一般不在科技论文中使用。
2，RGB配色方案
最常用的颜色方案为RGB颜色，其中R表示红色（red），G表示绿色（green），B表示蓝色（blue），即所谓的三元色，通过三元色，可以衍生出来成千上万种颜色。该颜色方案一般使用6位16进制的值（0-9，加上A、B、C、D、E、F，共16个值）来表示，其中前两位是Red的值，中间两位是Green的值，最后两位是Blue的值，每种颜色数值范围从00到FF，共16*16种，因此6位可以表示的颜色种类高达：16*16*16*16*16*16，约等于1600多万种颜色。当然，我们几乎用不到这么多种颜色，而且人眼也没办法区分细微颜色差别。
图1. 三元色
图1. 三元色
3，透明度（alpha）
alpha一般用作不透明度参数。如果alpha为0，就是完全透明的，alpha为1表明完全不透明。在0-1之间的值 可以使得图像透过背景显示出来，就像透过玻璃（半透明性），这种效果是简单的二元透明性（透明或不透明）做不到的。例如在做venn图的时候，就需要设置透明度，这样中间的重叠部分才能显示出来。否则中间重叠部分就不能完整显示出来。 因此，我们也可以在RGB颜色的基础上，使用RGBA颜色，这里的A就是alpha。
图2. 透明度
图2. 透明度
4，背景色
一般情况下，我们作图使用的数据图背景色均为白色，而在模式图中使用背景色能够区分不同的区域或者范围，给人以视觉上的冲击。例如下图以不同的背景色表示细胞的区域，很形象。如果去掉背景色后，就会显得很单薄。 
图3. 模式图的背景色
IGV基因组浏览器中，以浅色背景标注感兴趣的peak，可以突出感兴趣的区域。
图4. IGV中的背景色
图3. 模式图的背景色 IGV基因组浏览器中，以浅色背景标注感兴趣的peak，可以突出感兴趣的区域。
图4. IGV中的背景色
5，渐变色
渐变色可以用来表示数值大小或者程度，颜色越深数值越大，颜色越浅数值越小，例如热图。 
图5. 渐变色
图5. 渐变色
6，撞色
撞色也叫对比色，就是两个不相邻的色系搭配在一起的效果，更有彼此碰撞的美感。撞色一般在颜色比较多的情况下使用，可以更容易地区分不同的区域。 撞色一般分为两种： 1）补色配合： 色环中两个完全相对（180度对角）的颜色的配合，例如：红色与绿色，蓝色与橙色，黑色与白色等。 2）强烈色配合： 色环中两个相隔较远的颜色相配，例如：黄色与蓝紫色，红色与黄绿色等。 
7，常见期刊论文配色
每种期刊关注的内容不同，当形成自己风格后，配色也就渐渐固定下来。这里列举了常见期刊的配色方案，供参考。
图7. 常用调色板
8，编程语言中的调色包
1）R语言ggsci配色包
2）Python配色 包colorbm
Python也是我们经常使用的绘图语言，python中的colorbm（color beyond matplotlib）包也提供了众多的配色方案：ggsci、seaborn 、cmocean、scientific、CMasher、CARTO、Material Design等，貌似是ggsci的超集！ 安装：pip install colorbm 使用：
图10. colorbm代码
图11. colorbm例图
9，取色
颜色是一门学问，例如，有老师要求使用冷色调，有老师喜欢暖色调。有些图需要渐变色好看，有些图需要撞色。那么，我们需要学习怎么配色吗？个人观点：没必要，需要的时候，直接根据所选期刊，使用取色器取色即可。推荐FastStone Capture软件进行取色。
10，科研绘图需要明确颜色编码
一张图的绘制需要对数据、绘图类型、配色等有深入了解。针对科技绘图，一般我们使用R或者Python，或者在线网站进行绘图（例如 微生信 ），这时你需要保留绘图代码/颜色编号，以便后续进行更新，避免重复劳动。同时，期刊有自己倾向的配色，如需改投其他杂志，一般情况下需要重新绘图，以满足不同期刊编者的“癖好”。
以下是几个小技巧：
微生信助力发文章，谷歌引用640+，知网引用480+
图6. 撞色
例如在绘制物种分布堆叠柱状图时，使用撞色进行区分会比较明显。
例如在绘制物种分布堆叠柱状图时，使用撞色进行区分会比较明显。
7，常见期刊论文配色
每种期刊关注的内容不同，当形成自己风格后，配色也就渐渐固定下来。这里列举了常见期刊的配色方案，供参考。
图7. 常用调色板 8，编程语言中的调色包
为了更方便地展示和调用不同的配色方案，出现了各种配色包。可以简单理解为：使用期刊名字来代替颜色编码，例如npg就代表了#E64B35、#4DBBD5、#00A087、#3C5488、#F39B7F、#8491B4、#91D1C2、#DC0000、#7E6148、#B09C85这十种颜色，在编程的时候，直接使用npg简写即可，省时，还不浪费脑细胞。
1）R语言ggsci配色包
R语言中ggsci包，可以直接使用期刊的缩写来调用颜色。ggsci工具包拓展了ggplot2绘图系统的颜色函数，并且遵从scale_col_*和scale_fill_*式的命名规则。可以根据期刊名缩写快速生成符合期刊要求的配色。此外，还有来自其他数据可视化库、科幻电影和电视作品等中的配色。
安装：install.packages(“ggsci”) 使用：
图8. ggsci代码
图9. Ggsci示例，上面为默认颜色，下面为nature publishing group颜色
安装：install.packages(“ggsci”) 使用：
图8. ggsci代码 图9. Ggsci示例，上面为默认颜色，下面为nature publishing group颜色 2）Python配色 包colorbm
Python也是我们经常使用的绘图语言，python中的colorbm（color beyond matplotlib）包也提供了众多的配色方案：ggsci、seaborn 、cmocean、scientific、CMasher、CARTO、Material Design等，貌似是ggsci的超集！ 安装：pip install colorbm 使用：
图10. colorbm代码 图11. colorbm例图 9，取色
颜色是一门学问，例如，有老师要求使用冷色调，有老师喜欢暖色调。有些图需要渐变色好看，有些图需要撞色。那么，我们需要学习怎么配色吗？个人观点：没必要，需要的时候，直接根据所选期刊，使用取色器取色即可。推荐FastStone Capture软件进行取色。
10，科研绘图需要明确颜色编码
一张图的绘制需要对数据、绘图类型、配色等有深入了解。针对科技绘图，一般我们使用R或者Python，或者在线网站进行绘图（例如 微生信 ），这时你需要保留绘图代码/颜色编号，以便后续进行更新，避免重复劳动。同时，期刊有自己倾向的配色，如需改投其他杂志，一般情况下需要重新绘图，以满足不同期刊编者的“癖好”。
以下是几个小技巧：
1）同一篇论文的配色一般要保持一致
2）尽量避免使用大红大绿的配色
3）一般用红色表示上调，绿色/蓝色表示下调，红色表示肿瘤患者等
4）避免使用红色和绿色配色以考虑红绿色盲读者（审稿人）的易读性，因为红绿色盲所占人口比例相当高，男性占8%，女性占0.5%。
5）不要使用过多的颜色类别
6）文字不一定一直要用黑色，需要与图片的颜色匹配
更多小技巧，欢迎留言补充！
微生信助力发文章，谷歌引用640+，知网引用480+
