Blog/数据与研究

默认图表配色对色盲友好吗?9 个制图工具实测

·18 分钟阅读

在红绿色盲模拟下,Matplotlib 默认配色的 45 对颜色里有 7 对的 ΔE2000 低于 10,也就是本站配色检查器判定冲突的阈值。最差的一对是第 2 个和第 3 个系列的颜色:在红色盲模拟下,橙色和绿色的色差从 ΔE 55 降到 2 以下。

这是红色盲(protanopia)模拟下的结果。换成另一种红绿色盲,也就是绿色盲(deuteranopia),同样两个颜色相差 ΔE 14.5,没有低于阈值。独立核对时,用 DaltonLens 对同一个 Machado 2009 模型的另一份实现来数,再换成 Viénot 1999、Brettel 1997 两个不同的模型来数,也都是 7 对。

测法:两个颜色都按完全二色视模拟(Machado 2009),色差用 CIEDE2000 计算,每一对取红色盲、绿色盲两个结果里较差的一个。这一对的引擎读数:正常色觉下 ΔE 55.2,红色盲模拟下 1.4。色值于 2026年11月18日 读自 Matplotlib 的源码。

Matplotlib 只是其中一个。我们用同一套测法测了 9 个制图工具的默认系列颜色:Matplotlib、seaborn、Microsoft Office(Excel、PowerPoint、Word)、Tableau、Power BI、ggplot2、Plotly(plotly.py)、Chart.js、R(基础绘图),一共 12 套配色。每一套都模拟红色盲和绿色盲,逐对量 CIEDE2000 色差,再数出低于 10 的有几对。10 是本站配色冲突检查工具判定冲突的阈值。这 12 套默认配色,每一套都至少有一对低于 10。

把某一个工具的默认色放进模拟器看一眼,这件事已经有人做过,结论通常是一张截图加一个形容词。这一页补上的是:每一对颜色都有数字,各工具用的是同一种测法,每一行都带一个链接,点开就能把那套配色重算一遍。你引用的数字,别人可以复核。

这些数字模拟的是完全二色视,也就是最严重的情况;阈值是做设计评审用的经验值。它不是临床结论,也没有在任何人身上测过,细节见方法和限度。

结果速览

  • Matplotlib(tab10):45 对里 7 对低于 10,画到第 3 个系列就出现。D3 的 category10 是同样的 10 个颜色。
  • Excel 和 PowerPoint(2013–2022 主题):15 对里 1 对(橙色和绿色,第 2、6 个系列)。2023 年起的主题:15 对里 2 对。
  • Tableau 10:45 对里 10 对。在绿色盲模拟下,红色和绿色(第 3、5 个系列)的色差从 ΔE 62 降到 1 以下。
  • ggplot2:3 类时 3 对里 1 对;8 类时 28 对里 8 对。
  • Power BI(前 10 个数据颜色):45 对里 5 对。Plotly:45 对里 6 对。
  • 对照:Okabe-Ito 是 28 对里 0 对;seaborn 的 colorblind 配色是 45 对里 6 对。

这些数字怎么读

  • ΔE2000(CIEDE2000)衡量两个颜色看起来差多少,数值越大越容易分开。
  • 低于 10 记为冲突。这是本站检查器判定冲突的阈值;在细线和小标记上,这么接近的两个颜色容易看混。10 到 20 之间记为有风险:并排放着能分开,标记小了或离得远了就靠不住。
  • 每一对都模拟两次:红色盲(protanopia)和绿色盲(deuteranopia),取两个结果里较低的一个当这一对的得分。
  • “画到第几个系列出现冲突”指的是:这个工具按顺序发出的前几个颜色里,最少取到第几个,就已经包含一对低于 10 的颜色。对按固定顺序发色的工具来说,系列数比它少的图在这项测试里没有冲突。ggplot2 是例外:它的颜色随类别数变化,要一行一行按类别数来读。

总表:12 套默认配色

配色颜色数、对数低于 10冲突10 到 20风险画到第几个系列出现冲突最接近的一对ΔE:正常 → 模拟DaltonLens 核对
Matplotlibtab10 (default axes.prop_cycle)D3 的 category10 色值和顺序都相同在检查器里打开1045 对783橙色 / 绿色第 2、3 个系列,红色盲55.2 → 1.47 / 7 / 7
seaborn(deep)deep (default of set_theme() and of seaborn.objects)在检查器里打开1045 对8113蓝色 / 紫色第 1、5 个系列,红色盲13.4 → 2.08 / 8 / 8
Office 2013–2022 主题Office 2013 – 2022 theme, accents 1–6在检查器里打开615 对146橙色 / 绿色第 2、6 个系列,绿色盲47.2 → 6.21 / 1 / 1
Office 主题(2023 年起)Office theme (2023 onward), accents 1–6在检查器里打开615 对225橙色 / 绿色第 2、6 个系列,绿色盲54.6 → 5.12 / 2 / 2
Office 2007–2010 主题Office 2007 – 2010 theme, accents 1–6在检查器里打开615 对234橄榄绿 / 橙色第 3、6 个系列,绿色盲36.6 → 4.92 / 2 / 2
Tableau 10Tableau 10 (Automatic categorical palette)在检查器里打开1045 对10115红色 / 绿色第 3、5 个系列,绿色盲62.4 → 0.710 / 10 / 10
Power BIBase theme data colors, first 10在检查器里打开1045 对5114红色 / 绿色第 8、10 个系列,绿色盲73.4 → 5.15 / 5 / 5
ggplot2(3 类)scale_colour_discrete(), 3 classes在检查器里打开33 对102珊瑚红 / 绿色第 1、2 个系列,绿色盲70.0 → 5.91 / 1 / 1
ggplot2(8 类)scale_colour_discrete(), 8 classes在检查器里打开828 对843青色 / 粉色第 5、8 个系列,绿色盲56.0 → 0.99 / 6 / 7
Plotly(plotly.py)“plotly” template colorway在检查器里打开1045 对6134蓝色 / 紫色第 1、4 个系列,红色盲12.6 → 0.76 / 7 / 7
Chart.jsColors plugin palette在检查器里打开721 对344青绿色 / 灰色第 5、7 个系列,红色盲23.6 → 5.73 / 3 / 3
R 的 palette()palette() default (“R4”)在检查器里打开828 对236绿色 / 黄色第 3、7 个系列,红色盲30.9 → 4.32 / 2 / 2

ΔE 都是 CIEDE2000,保留一位小数;箭头左边是正常色觉下的色差,右边是红色盲、绿色盲两种模拟里较低的一个。最后一栏“DaltonLens 核对”是独立核对,用的是 DaltonLens 的三种模拟:同一个 Machado 2009 模型的另一份实现,加上 Viénot 1999、Brettel 1997 两个不同的模型,ΔE2000 用的是 colour-science;三个数依次是它们各自数出的低于 10 的对数。“在检查器里打开”会把同一组颜色载入工具,逐对列出结果。

想测自己的配色?

把色值粘进去,得到同样的逐对结果,以及一个可以分享的链接。

检查我的配色

Matplotlib

下面 10 个颜色,就是什么都不设置时 Matplotlib 依次发给前 10 条线的颜色。

配色:tab10 (default axes.prop_cycle)

正常色觉
红色盲模拟
绿色盲模拟

#1f77b4, #ff7f0e, #2ca02c, #d62728, #9467bd, #8c564b, #e377c2, #7f7f7f, #bcbd22, #17becf

在红绿色盲模拟下,45 对颜色里有 7 对低于 10,另有 8 对在 10 到 20 之间。图表画到第 3 个系列时,出现第一对冲突。

  • 橙色和绿色(第 2、3 个系列)ΔE 55.2 → 1.4红色盲;模拟后几乎一样
  • 蓝色和紫色(第 1、5 个系列)ΔE 26.4 → 1.8红色盲;两型都低于 10;模拟后几乎一样
  • 橙色和橄榄绿(第 2、9 个系列)ΔE 35.9 → 3.4绿色盲
  • 粉色和青色(第 7、10 个系列)ΔE 53.8 → 4.1绿色盲
  • 绿色和红色(第 3、4 个系列)ΔE 71.8 → 4.8绿色盲
  • 蓝色和粉色(第 1、7 个系列)ΔE 42.8 → 9.4红色盲;贴近阈值
  • 红色和棕色(第 4、6 个系列)ΔE 16.2 → 9.7红色盲;贴近阈值

说明:Matplotlib 源码里有两处注释交代来历:lib/matplotlib/_color_data.py 的 TABLEAU_COLORS(同样十个值,名字以 tab: 开头)上方写着「# These colors are from Tableau」,lib/matplotlib/_cm.py 的 _tab10_data 上方写着「# Categorical palettes from Vega:」。这十个颜色就是 Tableau 10.0 之前名为 Tableau 10 的那套配色,Tableau 帮助文档现在称它为 Tableau Classic 10。

测的是哪个版本、色值从哪里读到(英文原文)

Default since Matplotlib 2.0; checked at v3.11.2

_tab10_data in lib/matplotlib/_cm.py at tag v3.11.2: floats, converted to hex here and matching the hex in each line's comment. The default is declared in lib/matplotlib/rcsetup.py (_Param("axes.prop_cycle", default=cycler("color", [...])), the same ten triples); the sample matplotlibrc documents it as cycler(color='tab10'), a name colors.py maps to _cm._tab10_data. The v2.0.0 and v3.9.0 rc files list the same ten values inline.

一手来源 · 色值核对于 2026年11月18日 · 在检查器里打开

D3:D3 的 schemeCategory10,出自 d3-scale-chromatic。十个值和顺序都与 Matplotlib 的 tab10 相同;Plotly.js 不带模板时用的也是这十个。 一手来源

2024 年 Towards Data Science 上的一篇文章 画出了这组颜色的前 8 个,用 DaltonLens 的 Brettel 1997 对渲染出来的图做了完全绿色盲的模拟,再描述模拟图看上去的样子。它的总体判断是“the colors are generally still distinguishable, although they appear closer together”(颜色大体上还分得开,只是彼此靠得更近了),并举了两个例子:“blue and purple (C0 and C4) are barely distinguishable. The same holds for red, green, and brown (C2, C3, C5).”(蓝和紫几乎分不开,红、绿、棕也是。)它点名的这几对,按本站引擎的绿色盲模拟来算:蓝色和紫色(ΔE 6.1)、绿色和红色(ΔE 4.8)低于 10;绿色和棕色(ΔE 16.6)、红色和棕色(ΔE 14.8)在 10 到 20 之间,也就是本页所说的“有风险”。本页得分最低的一对橙色和绿色,是红色盲模拟下的结果。

seaborn

seaborn 有自己的默认配色 deep,共 10 个颜色,色值和 Matplotlib 的不一样。它什么时候生效,见下面的说明。

配色:deep (default of set_theme() and of seaborn.objects)

正常色觉
红色盲模拟
绿色盲模拟

#4c72b0, #dd8452, #55a868, #c44e52, #8172b3, #937860, #da8bc3, #8c8c8c, #ccb974, #64b5cd

在红绿色盲模拟下,45 对颜色里有 8 对低于 10,另有 11 对在 10 到 20 之间。图表画到第 3 个系列时,出现第一对冲突。

  • 蓝色和紫色(第 1、5 个系列)ΔE 13.4 → 2.0红色盲;两型都低于 10;模拟后几乎一样
  • 红色和棕色(第 4、6 个系列)ΔE 21.8 → 4.5绿色盲;两型都低于 10
  • 橙色和绿色(第 2、3 个系列)ΔE 46.3 → 4.8红色盲;两型都低于 10
  • 粉色和天蓝色(第 7、10 个系列)ΔE 41.2 → 5.2绿色盲;两型都低于 10
  • 绿色和棕色(第 3、6 个系列)ΔE 31.0 → 7.7绿色盲
  • 橙色和卡其色(第 2、9 个系列)ΔE 23.9 → 7.7绿色盲
  • 绿色和卡其色(第 3、9 个系列)ΔE 24.5 → 8.1红色盲
  • 绿色和红色(第 3、4 个系列)ΔE 61.5 → 8.1绿色盲

说明:要看用的是哪套接口。函数式接口(sns.lineplot 等)要先调用 sns.set_theme() 才是 deep;不调用时 seaborn 用 Matplotlib 当前的颜色循环,默认就是 Matplotlib 自己的十色。seaborn.objects 接口(so.Plot)不需要任何调用就是 deep,因为它的默认主题把颜色循环设成了 deep。两套接口都一样:类别数超过颜色循环里的颜色数时,seaborn 会改用 husl 配色。

测的是哪个版本、色值从哪里读到(英文原文)

Checked at seaborn v0.13.2

SEABORN_PALETTES["deep"] in seaborn/palettes.py at tag v0.13.2. Two defaults point at it: set_theme(..., palette="deep") in seaborn/rcmod.py, and the seaborn.objects theme in seaborn/_core/plot.py, whose defaults include "axes.prop_cycle": cycler("color", color_palette("deep")).

一手来源 · 色值核对于 2026年11月18日 · 在检查器里打开

Excel 和 PowerPoint(Microsoft Office 主题色)

Excel、PowerPoint 和 Word 的图表从文档主题里取系列颜色:第一个系列用强调色 1,依次往后,第 6 个系列用强调色 6。文档会一直沿用创建时的主题,所以现在同时在流通的主题不止一套,下面分开列。

Office 2013–2022 主题

配色:Office 2013 – 2022 theme, accents 1–6

正常色觉
红色盲模拟
绿色盲模拟

#4472c4, #ed7d31, #a5a5a5, #ffc000, #5b9bd5, #70ad47

在红绿色盲模拟下,15 对颜色里有 1 对低于 10,另有 4 对在 10 到 20 之间。图表画到第 6 个系列时,出现第一对冲突。

  • 橙色和绿色(第 2、6 个系列)ΔE 47.2 → 6.2绿色盲;两型都低于 10

说明:用这套主题的文件都是这六个颜色,但有两种顺序。Office 2013(AppVersion 15)保存的文件里强调色 1 是 #5B9BD5、强调色 5 是 #4472C4,图表的第一个系列是较浅的蓝;核对过的 20 个由 16 版保存、用这六个颜色的文件里,有 14 个也是这个顺序。这里收录的顺序(也就是微软现在随软件附带的顺序)只出现在 16 版保存的文件里,具体从哪个版本号开始没有查实。两两比较的结果不受顺序影响,跟系列先后有关的结论会变。从第 7 个系列起,Office 在这六个颜色上做明度变化后重复使用。

测的是哪个版本、色值从哪里读到(英文原文)

Shipped today as “Office 2013 - 2022 Theme”, the default until the 2023 theme; checked in Excel for Mac 16.115. Older files have accents 1 and 5 the other way around (see note)

a:accent1 to a:accent6 in theme/theme/theme1.xml inside “Office 2013 - 2022 Theme.thmx”, shipped in Excel for Mac 16.115 under Contents/Resources/Office Themes (sha256 bc3d3bf6…). The linked workbook, written by Excel 16.0300 and published by Microsoft in dotnet/Open-XML-SDK, has the same six values in xl/theme/theme1.xml. Series order: Office charts carry cs:colorStyle meth="cycle" id="10" listing accent1 to accent6 (charts/colors1.xml in Microsoft's test files; [MS-ODRAWXML] 2.8.3.2).

一手来源 · 色值核对于 2026年11月18日 · 在检查器里打开

Office 主题(2023 年起)

配色:Office theme (2023 onward), accents 1–6

正常色觉
红色盲模拟
绿色盲模拟

#156082, #e97132, #196b24, #0f9ed5, #a02b93, #4ea72e

在红绿色盲模拟下,15 对颜色里有 2 对低于 10,另有 2 对在 10 到 20 之间。图表画到第 5 个系列时,出现第一对冲突。

  • 橙色和绿色(第 2、6 个系列)ΔE 54.6 → 5.1绿色盲;两型都低于 10
  • 深蓝色和紫红色(第 1、5 个系列)ΔE 37.5 → 5.5绿色盲;两型都低于 10

说明:旧文档沿用创建时的主题,所以 2013–2022 那套和这一套现在同时在流通。

测的是哪个版本、色值从哪里读到(英文原文)

The new default Office theme, announced in July 2023 for Beta Channel builds (Version 2307 on Windows, 16.75 on Mac); checked in Excel for Mac 16.115

a:accent1 to a:accent6 in theme/theme/theme1.xml inside “Office Theme.thmx”, shipped in Excel for Mac 16.115 under Contents/Resources/Office Themes (sha256 2e5736d6…). The linked Flat OPC document, written by Word 16 and published by Microsoft in dotnet/Open-XML-SDK, has the same six values in its /word/theme/theme1.xml part.

一手来源 · 色值核对于 2026年11月18日 · 在检查器里打开

Office 2007–2010 主题

配色:Office 2007 – 2010 theme, accents 1–6

正常色觉
红色盲模拟
绿色盲模拟

#4f81bd, #c0504d, #9bbb59, #8064a2, #4bacc6, #f79646

在红绿色盲模拟下,15 对颜色里有 2 对低于 10,另有 3 对在 10 到 20 之间。图表画到第 4 个系列时,出现第一对冲突。

  • 橄榄绿和橙色(第 3、6 个系列)ΔE 36.6 → 4.9绿色盲;两型都低于 10
  • 蓝色和紫色(第 1、4 个系列)ΔE 20.5 → 5.7绿色盲;两型都低于 10

说明:Office 2007、2010 保存的文件里的默认 Office 主题。微软现在仍把它作为「Office 2007-2010」配色方案随软件附带。

测的是哪个版本、色值从哪里读到(英文原文)

Office 2007 and 2010 (AppVersion 12 and 14); read from the color scheme still shipped in Excel for Mac 16.115

a:accent1 to a:accent6 in Theme Colors/Office2007-2010.xml, shipped in Excel for Mac 16.115 under Contents/Resources/Office Themes (sha256 39b573d4…). Same values as Accent1Color to Accent6Color of the “Office Theme” built at lines 1599–1604 of the linked Microsoft sample, and as the themes of Microsoft's test documents saved by Office 2007 and 2010 in dotnet/Open-XML-SDK.

一手来源 · 色值核对于 2026年11月18日 · 在检查器里打开

Tableau

Tableau 10 是 Tableau 给分类字段自动套用的配色。只画两个系列的图只用到它的前两个颜色,画满 10 个系列才会全用上,这是两个不同的问题,所以分两层看。

只用前两个颜色(蓝色和橙色)时,这一对在两种模拟里较低的结果是 ΔE 48.4(红色盲),高于两个阈值。画三个系列时,低于 10 的有 0 对,10 到 20 之间的有 1 对;最低的是橙色和红色,ΔE 14.1(绿色盲)。第一对低于 10 的颜色,出现在加入第 5 个系列的时候。

10 个颜色全用上时,Tableau 10 的 45 对颜色里有 10 对低于 10,其中红色和绿色(第 3、5 个系列)在绿色盲模拟下的色差从 ΔE 62 降到 1 以下。

配色:Tableau 10 (Automatic categorical palette)

正常色觉
红色盲模拟
绿色盲模拟

#4e79a7, #f28e2b, #e15759, #76b7b2, #59a14f, #edc948, #b07aa1, #ff9da7, #9c755f, #bab0ac

在红绿色盲模拟下,45 对颜色里有 10 对低于 10,另有 11 对在 10 到 20 之间。图表画到第 5 个系列时,出现第一对冲突。

  • 红色和绿色(第 3、5 个系列)ΔE 62.4 → 0.7绿色盲;模拟后几乎一样
  • 粉色和灰色(第 8、10 个系列)ΔE 20.6 → 1.3红色盲;两型都低于 10;模拟后几乎一样
  • 红色和棕色(第 3、9 个系列)ΔE 18.8 → 2.1红色盲;两型都低于 10;模拟后几乎一样
  • 青绿色和灰色(第 4、10 个系列)ΔE 24.5 → 3.2红色盲;两型都低于 10
  • 青绿色和粉色(第 4、8 个系列)ΔE 46.0 → 3.9红色盲
  • 橙色和绿色(第 2、5 个系列)ΔE 44.6 → 6.2红色盲
  • 蓝色和紫色(第 1、7 个系列)ΔE 29.1 → 6.6红色盲
  • 绿色和棕色(第 5、9 个系列)ΔE 35.4 → 7.5绿色盲
  • 橙色和黄色(第 2、6 个系列)ΔE 22.1 → 8.4绿色盲
  • 青绿色和紫色(第 4、7 个系列)ΔE 38.4 → 8.6绿色盲

说明:d3 的 schemeTableau10 和它并不完全相同:d3 写的是 #F28E2C、#EDC949、#AF7AA1、#BAB0AB,Tableau Desktop 写出的是 #F28E2B、#EDC948、#B07AA1、#BAB0AC。10.0 之前叫 Tableau 10 的是 Matplotlib/D3 那一组,Tableau 帮助文档现在称它为 Tableau Classic 10。

测的是哪个版本、色值从哪里读到(英文原文)

Tableau's help says the palette was updated in version 10.0; values read from files written by Tableau Desktop 2019.1.10 and by build main.26.0802.1921

The color encoding of field [Metric] in the linked Tableau bookmark (header build main.26.0802.1921, published by Tableau in tableau/tableau-mcp): ten members on the default palette, ten <map to> values. Sorted by member name they come out blue, orange, red, teal, green, yellow, purple, pink, brown, gray, which is the order the PALETTE comment in Tableau's gen_workbook.py (tableau/tableau-ai-utilities) calls “the order Tableau hands out colors”. A workbook saved by Tableau 2019.1.10 (tableau/community-tableau-server-insights) holds the same ten values.

一手来源 · 色值核对于 2026年11月18日 · 在检查器里打开

关于系列顺序:这 10 个颜色读自 Tableau Desktop 写出的文件,在文件里它们对应一个字段的 10 个成员。我们按成员名排序,得到蓝色、橙色、红色、青绿色、绿色、黄色、紫色、粉色、棕色、灰色,和 Tableau 自己一个脚本的注释里写的发色顺序一致。这个顺序没有在运行着的 Tableau Desktop 里实机验证过。45 对里 10 对这个数不受顺序影响;“画到第几个系列出现冲突”会受影响。

Power BI

Power BI 的系列颜色按顺序取自报表主题的数据颜色。这里测的是基础主题的前 10 个,为什么取这么多见下面的说明。

配色:Base theme data colors, first 10

正常色觉
红色盲模拟
绿色盲模拟

#118dff, #12239e, #e66c37, #6b007b, #e044a7, #744ec2, #d9b300, #d64550, #197278, #1aab40

在红绿色盲模拟下,45 对颜色里有 5 对低于 10,另有 11 对在 10 到 20 之间。图表画到第 4 个系列时,出现第一对冲突。

  • 红色和绿色(第 8、10 个系列)ΔE 73.4 → 5.1绿色盲
  • 深蓝色和深紫色(第 2、4 个系列)ΔE 15.2 → 5.4红色盲;两型都低于 10
  • 橙色和绿色(第 3、10 个系列)ΔE 60.1 → 5.7绿色盲
  • 金黄色和绿色(第 7、10 个系列)ΔE 32.8 → 8.2红色盲
  • 粉色和紫色(第 5、6 个系列)ΔE 23.3 → 8.2红色盲

说明:基础主题一共列了 41 个数据颜色(Fluent 2 是 32 个,与这 41 个的前 32 个相同),这里收前 10 个。取 10 个的理由:Microsoft Learn「Create custom report themes in Power BI Desktop」一页的示例主题,dataColors 列的就是这十个值;10 也和并排比较的 Matplotlib、Plotly、Tableau 配色的颜色数相同。

测的是哪个版本、色值从哪里读到(英文原文)

The same first ten in every base theme checked, from CY19SU06 to Fluent2-CY26SU11: eight themes, four of them found only in third-party repositories

The first ten entries of dataColors (41 in all) in StaticResources/SharedResources/BaseThemes/CY24SU10.json, the base theme Power BI writes into a report, taken from the blank report Microsoft ships in microsoft/fabric-cli. The CY19SU06, CY23SU04 and Fluent 2 base themes begin with the same ten. Microsoft Learn (“Use report themes in Power BI”) states that series take the theme's data colors in order.

一手来源 · 色值核对于 2026年11月18日 · 在检查器里打开

ggplot2

ggplot2 没有固定色表:它在 HCL 色轮上从 15° 起等间隔取色(彩度 100、亮度 65),所以除第一个颜色外,其余颜色都随类别数变化。

所以下表每一行是一组不同的颜色,从 2 类到 8 类各一行。ggplot2 的第一个颜色 #f8766d 常被当作红色来用;这里叫它珊瑚红,因为这更接近色块看上去的样子。

类别数颜色数、对数低于 10冲突10 到 20风险画到第几个系列出现冲突最接近的一对ΔE:正常 → 模拟DaltonLens 核对
2 类在检查器里打开21 对00没有珊瑚红 / 青色第 1、2 个系列,红色盲55.5 → 25.30 / 0 / 0
3 类在检查器里打开33 对102珊瑚红 / 绿色第 1、2 个系列,绿色盲70.0 → 5.91 / 1 / 1
4 类在检查器里打开46 对112珊瑚红 / 黄绿色第 1、2 个系列,绿色盲58.6 → 9.31 / 0 / 1
5 类在检查器里打开510 对312蓝色 / 品红色第 4、5 个系列,绿色盲47.3 → 2.73 / 2 / 2
6 类在检查器里打开615 对423土黄色 / 绿色第 2、3 个系列,红色盲28.2 → 3.94 / 4 / 4
7 类在检查器里打开721 对543土黄色 / 绿色第 2、3 个系列,绿色盲28.4 → 3.15 / 5 / 5
8 类在检查器里打开828 对843青色 / 粉色第 5、8 个系列,绿色盲56.0 → 0.99 / 6 / 7

类别少一些的图,ggplot2 给的是另一组颜色,而不是大的那一组里的前几个。所以这张表里的“画到第几个系列出现冲突”,说的是那一行那组颜色内部的位置:比如 8 类那一组,前 3 个颜色里就已经有一对低于 10。

2 类时,珊瑚红和青色在红色盲模拟下相差 ΔE 25.3(两种模拟里较低的一个),高于两个阈值。3 类时,3 对里有 1 对低于 10;最接近的是珊瑚红和绿色(第 1、2 个系列),在绿色盲模拟下 ΔE 从 70.0 降到 5.9。8 类时,28 对里有 8 对低于 10;最接近的是青色和粉色(第 5、8 个系列),在绿色盲模拟下 ΔE 从 56.0 降到 0.9。

ggplot2(3 类)

配色:scale_colour_discrete(), 3 classes

正常色觉
红色盲模拟
绿色盲模拟

#f8766d, #00ba38, #619cff

在红绿色盲模拟下,3 对颜色里有 1 对低于 10,另有 0 对在 10 到 20 之间。

  • 珊瑚红和绿色(第 1、2 个系列)ΔE 70.0 → 5.9绿色盲
测的是哪个版本、色值从哪里读到(英文原文)

ggplot2 4.0.4 with scales 1.4.0

Output of scales::pal_hue()(3) run in R 4.6.0 (WebR 0.6.1, scales 1.4.0, farver 2.1.2). pal_hue in R/pal-hue.R at tag v1.4.0 defaults to h = c(0, 360) + 15, c = 100, l = 65, and ggplot2 v4.0.4 R/scale-colour.R gives scale_colour_discrete the fallback palette pal_hue(). Base R grDevices::hcl() over the same hues returns identical strings; ggplot2's own test snapshots show the same values for 3 and 6 classes.

一手来源 · 色值核对于 2026年11月18日 · 在检查器里打开

ggplot2(8 类)

配色:scale_colour_discrete(), 8 classes

正常色觉
红色盲模拟
绿色盲模拟

#f8766d, #cd9600, #7cae00, #00be67, #00bfc4, #00a9ff, #c77cff, #ff61cc

在红绿色盲模拟下,28 对颜色里有 8 对低于 10,另有 4 对在 10 到 20 之间。

  • 青色和粉色(第 5、8 个系列)ΔE 56.0 → 0.9绿色盲;模拟后几乎一样
  • 蓝色和紫色(第 6、7 个系列)ΔE 35.8 → 2.2绿色盲;两型都低于 10;模拟后几乎一样
  • 土黄色和黄绿色(第 2、3 个系列)ΔE 26.4 → 2.6绿色盲;两型都低于 10;模拟后几乎一样
  • 珊瑚红和绿色(第 1、4 个系列)ΔE 68.5 → 3.4绿色盲
  • 紫色和粉色(第 7、8 个系列)ΔE 14.7 → 7.4红色盲
  • 黄绿色和绿色(第 3、4 个系列)ΔE 16.5 → 8.7红色盲
  • 珊瑚红和黄绿色(第 1、3 个系列)ΔE 58.6 → 9.3绿色盲;贴近阈值;DaltonLens 的三种模拟里至少有一种不低于 10
  • 土黄色和绿色(第 2、4 个系列)ΔE 38.6 → 9.8红色盲;贴近阈值;DaltonLens 的三种模拟里至少有一种不低于 10
测的是哪个版本、色值从哪里读到(英文原文)

ggplot2 4.0.4 with scales 1.4.0

Output of scales::pal_hue()(8) run in R 4.6.0 (WebR 0.6.1, scales 1.4.0, farver 2.1.2). pal_hue in R/pal-hue.R at tag v1.4.0 defaults to h = c(0, 360) + 15, c = 100, l = 65, and ggplot2 v4.0.4 R/scale-colour.R gives scale_colour_discrete the fallback palette pal_hue(). Base R grDevices::hcl() over the same hues returns identical strings; ggplot2's own test snapshots show the same values for 3 and 6 classes.

一手来源 · 色值核对于 2026年11月18日 · 在检查器里打开

Plotly

这里测的是 plotly.py 默认模板的颜色,Plotly Express 用的也是它。和 Tableau 一样分两层看。

只用前两个颜色(蓝色和红色)时,这一对在两种模拟里较低的结果是 ΔE 53.5(红色盲),高于两个阈值。画三个系列时,低于 10 的有 0 对,10 到 20 之间的有 1 对;最低的是红色和绿色,ΔE 18.5(绿色盲)。第一对低于 10 的颜色,出现在加入第 4 个系列的时候。

最接近的一对是蓝色和紫色(第 1、4 个系列),在红色盲模拟下 ΔE 从 12.6 降到 0.7。这两个颜色本来就近:正常色觉下也只相差 ΔE 12.6,不到 20。

配色:“plotly” template colorway

正常色觉
红色盲模拟
绿色盲模拟

#636efa, #ef553b, #00cc96, #ab63fa, #ffa15a, #19d3f3, #ff6692, #b6e880, #ff97ff, #fecb52

在红绿色盲模拟下,45 对颜色里有 6 对低于 10,另有 13 对在 10 到 20 之间。图表画到第 4 个系列时,出现第一对冲突。

  • 蓝色和紫色(第 1、4 个系列)ΔE 12.6 → 0.7红色盲;两型都低于 10;模拟后几乎一样
  • 青色和浅品红色(第 6、9 个系列)ΔE 50.0 → 2.2绿色盲;两型都低于 10;模拟后几乎一样
  • 绿色和粉色(第 3、7 个系列)ΔE 76.9 → 2.8绿色盲;模拟后几乎一样
  • 浅绿色和黄色(第 8、10 个系列)ΔE 24.9 → 6.0红色盲;两型都低于 10
  • 橙色和黄色(第 5、10 个系列)ΔE 18.2 → 6.6绿色盲;两型都低于 10
  • 橙色和浅绿色(第 5、8 个系列)ΔE 40.9 → 6.7绿色盲

说明:这里测的是 plotly.py,包括 Plotly Express(它的默认颜色取自模板的 colorway)。单独使用 Plotly.js 且不带模板时,默认色是 src/components/color/attributes.js 里的 colorAttrs.defaults(核对于 v4.3.0),十个值与 D3 的 category10、Matplotlib 的 tab10 相同。

测的是哪个版本、色值从哪里读到(英文原文)

Default template since plotly.py 4.0; checked at v7.1.0

layout.colorway in plotly/package_data/templates/plotly.json at tag v7.1.0; plotly/io/__init__.py sets templates._default = "plotly". The same ten values are Plotly in _plotly_utils/colors/qualitative.py, and the v4.0.0 template has the same colorway.

一手来源 · 色值核对于 2026年11月18日 · 在检查器里打开

Chart.js

Chart.js 的默认颜色来自它的 Colors 插件,一共 7 个。这里测的是不加透明度的原色;哪些图表类型用原色、哪些用 50% 不透明度,见下面的说明。

配色:Colors plugin palette

正常色觉
红色盲模拟
绿色盲模拟

#36a2eb, #ff6384, #ff9f40, #ffcd56, #4bc0c0, #9966ff, #c9cbcf

在红绿色盲模拟下,21 对颜色里有 3 对低于 10,另有 4 对在 10 到 20 之间。图表画到第 4 个系列时,出现第一对冲突。

  • 青绿色和灰色(第 5、7 个系列)ΔE 23.6 → 5.7红色盲
  • 橙色和黄色(第 3、4 个系列)ΔE 16.3 → 6.6绿色盲;两型都低于 10
  • 蓝色和紫色(第 1、6 个系列)ΔE 28.4 → 7.2绿色盲

说明:注册了 Colors 插件(UMD 版本和 chart.js/auto 都会注册),并且数据集、图表选项和 Chart.defaults 里都没有指定颜色时才会用到。环形图和饼图的每个扇区用原色,极地面积图的每个扇区用 50% 不透明度;其余图表类型里,每个数据集用其中一个颜色做边框色,填充用同一颜色的 50% 不透明度。没有这个插件时,所有数据集都是同一种半透明灰 rgba(0, 0, 0, 0.1)。

测的是哪个版本、色值从哪里读到(英文原文)

Colors plugin, in Chart.js since v4.0.1 (not in v4.0.0); checked at v4.6.1

BORDER_COLORS in src/plugins/plugin.colors.ts at tag v4.6.1, written as rgb() and converted to hex here.

一手来源 · 色值核对于 2026年11月18日 · 在检查器里打开

R(基础绘图)

这是 R 4.0.0 起 palette() 的默认值,基础绘图函数里 col = 1、2、3… 取的就是它。

配色:palette() default (“R4”)

正常色觉
红色盲模拟
绿色盲模拟

#000000, #df536b, #61d04f, #2297e6, #28e2e5, #cd0bbc, #f5c710, #9e9e9e

在红绿色盲模拟下,28 对颜色里有 2 对低于 10,另有 3 对在 10 到 20 之间。图表画到第 6 个系列时,出现第一对冲突。

  • 绿色和黄色(第 3、7 个系列)ΔE 30.9 → 4.3红色盲
  • 蓝色和品红色(第 4、6 个系列)ΔE 47.7 → 7.4绿色盲

说明:第一项是黑色,所以用 col = 1 画出来的系列是黑的;六个彩色是第 2 到第 7 项,第 8 项是灰色。R 4.0.0 的 NEWS 说这一组「饱和度更低、无障碍特性更好」。

测的是哪个版本、色值从哪里读到(英文原文)

Default since R 4.0.0; checked in R 4.6.0

DefaultPalette[8] in src/library/grDevices/src/colors.c at tag R-4-6-0, stored as 0xAABBGGRR and converted here. palette() run in R 4.6.0 prints black, #DF536B, #61D04F, #2297E6, #28E2E5, #CD0BBC, #F5C710, gray62; black and gray62 resolve to #000000 and #9E9E9E.

一手来源 · 色值核对于 2026年11月18日 · 在检查器里打开

没有收进来的:Google Sheets

Google Sheets 不在表里。我们没有在 Google 自己发布的内容里找到它的默认系列色值,而这一页只收三种来路的色值:从工具自己的源码里读到的,从工具自己写出的文件里读到的,以及运行工具自己的函数得到的(ggplot2 属于这一种)。从别处转抄来的不收。

对照:两套为色盲设计的配色

为了有个参照,把同样的测法用在两套本来就为色觉缺陷设计的配色上。它们都不是上表任何一个工具的默认配色。

配色颜色数、对数低于 10冲突10 到 20风险画到第几个系列出现冲突最接近的一对ΔE:正常 → 模拟DaltonLens 核对
seaborn 的 colorblindcolorblind在检查器里打开1045 对6104浅粉色 / 天蓝色第 7、10 个系列,红色盲43.0 → 5.76 / 5 / 6
Okabe-ItoMasataka Okabe (Jikei Medical School) & Kei Ito (University of Tokyo), 2002, revised 2008在检查器里打开828 对07没有橙色 / 黄色第 2、5 个系列,绿色盲21.7 → 11.5未纳入

seaborn 的 colorblind 配色在这项测试里并不是零冲突:45 对里有 6 对低于 10。其中 4 对的得分离阈值不到 1(9.0 到 9.6),另外 2 对的得分是 5.7(红色盲)、6.1(红色盲)。得分指一对颜色在红色盲、绿色盲两种模拟里较低的那个 ΔE。DaltonLens 的三种模拟数出来的分别是 6、5、6 对。

Okabe-Ito(含黑色共 8 个颜色)的 28 对里,有 0 对低于 10,7 对在 10 到 20 之间;最接近的是橙色和黄色,在绿色盲模拟下 ΔE 11.5。它没有纳入 DaltonLens 核对,所以表里那一栏写的是“未纳入”。

seaborn 的 colorblind

配色:colorblind

正常色觉
红色盲模拟
绿色盲模拟

#0173b2, #de8f05, #029e73, #d55e00, #cc78bc, #ca9161, #fbafe4, #949494, #ece133, #56b4e9

在红绿色盲模拟下,45 对颜色里有 6 对低于 10,另有 10 对在 10 到 20 之间。图表画到第 4 个系列时,出现第一对冲突。

  • 浅粉色和天蓝色(第 7、10 个系列)ΔE 43.0 → 5.7红色盲
  • 绿色和浅棕色(第 3、6 个系列)ΔE 40.5 → 6.1红色盲
  • 橙色和朱红色(第 2、4 个系列)ΔE 17.0 → 9.0绿色盲;贴近阈值
  • 粉色和天蓝色(第 5、10 个系列)ΔE 43.1 → 9.1绿色盲;贴近阈值
  • 绿色和灰色(第 3、8 个系列)ΔE 24.9 → 9.2绿色盲;贴近阈值;DaltonLens 的三种模拟里至少有一种不低于 10
  • 蓝色和粉色(第 1、5 个系列)ΔE 40.1 → 9.6红色盲;贴近阈值

说明:对照组,不是默认配色:这是 seaborn 的 colorblind 配色,要用 sns.set_palette('colorblind') 选用。另一个对照组是 Okabe-Ito,在本站配色检查器的参考配色里。

测的是哪个版本、色值从哪里读到(英文原文)

Checked at seaborn v0.13.2

SEABORN_PALETTES["colorblind"] in seaborn/palettes.py at tag v0.13.2.

一手来源 · 色值核对于 2026年11月18日 · 在检查器里打开

Okabe-Ito

配色:Okabe-Ito(色觉通用设计)

正常色觉
红色盲模拟
绿色盲模拟

#000000, #e69f00, #56b4e9, #009e73, #f0e442, #0072b2, #d55e00, #cc79a7

在红绿色盲模拟下,28 对颜色里有 0 对低于 10,另有 7 对在 10 到 20 之间。

一手来源 · 在检查器里打开

方法和限度

每套配色都按工具把颜色发给系列的先后顺序取色,然后两两比较。一对里的两个颜色,先按 Machado 2009 模型分别换算成该模型预测的颜色,红色盲和绿色盲各算一次,都取最重程度;再在 CIE Lab 里用 CIEDE2000(ΔE2000)量这两个模拟色的差。一对的得分取两种类型里较低的一个。

低于 10 记为冲突,低于 20 记为有风险。这两条线是做设计评审用的工程经验值,不是临床界限,也没有哪个标准规定过它们。

这些数字不是什么

  • 不是在人身上做的测试。没有请任何色觉缺陷者来读这些图表。我们不是视觉科学研究者,也不是眼科医生;这只是按一个已发表的模型做的计算。
  • 是最坏情况。模拟的是完全二色视。最常见的红绿色觉缺陷类型是绿色弱,美国国家眼科研究所(NEI)把它列为轻度(各类型的比例见色盲统计数据)。对程度较轻的类型,模型预期颜色之间的差别更大,本文没有算。
  • 比的是两块纯色,不是图表。ΔE 比较的是两片均匀的颜色。细线、小标记、抗锯齿、没校准的屏幕、投影仪,都会让真实图表比数字显示的更难读;直接标注则会让它更好读。
  • 只算红绿。蓝黄色觉缺陷较少见,没有计入这里的对数;每一行链接到的工具会把它单独列出来。

独立核对

引擎的结果拿不是我们写的代码重算过一遍。模拟用的是 DaltonLens 0.1.5 的三种模拟:同一个 Machado 2009 模型的另一份实现,加上 Viénot 1999、Brettel 1997 两个不同的模型;ΔE2000 用的是 colour-science 0.4.7。第一种核对的是实现有没有写错,后两种核对的是结论对模型敏不敏感。总表、ggplot2 表和对照表的最后一栏,依次就是这三种模拟各自数出的冲突数。

  • 模拟色:引擎的 Machado 2009 输出,和 DaltonLens 对同一个模型的实现相比,每个 8 位通道最多差 1。
  • ΔE2000:在 2,465 次比较里,引擎和 scikit-image 0.26.0 最多差 0.016,和 colour-science 最多差 0.33。和 colour-science 相差超过 0.1 的有 10 次,每一次都有一个颜色是中性灰,出现这种差距的最小 ΔE 是 19.5。在决定是否冲突的区间(引擎 ΔE 小于 10),最大的差是 0.002。这些比较次数里包含 D3 category10(颜色和 Matplotlib 相同),同一批比较因此算了两遍。
  • 去掉 D3 category10 之后,核对覆盖 18 套配色。按“一套配色里的一对颜色、一种色盲类型”算一条,引擎和 DaltonLens 的三种模拟都低于 10 的有 87 条,其中 76 条在四个结果里都不到 9。
  • 贴着 10 的那些对,换一个模型就可能落到线的另一边;即使是同一个模型,最后一步取整的方式不同也可能。所以下面几套配色,DaltonLens 的三个数和引擎不完全一样:Plotly(plotly.py)(引擎 6,DaltonLens 6 / 7 / 7)、ggplot2(4 类)(引擎 1,DaltonLens 1 / 0 / 1)、ggplot2(5 类)(引擎 3,DaltonLens 3 / 2 / 2)、ggplot2(8 类)(引擎 8,DaltonLens 9 / 6 / 7)、seaborn 的 colorblind(引擎 6,DaltonLens 6 / 5 / 6)。

每套配色的出处和核对日期

色值读自工具自己的源码(固定到某个版本),或工具自己写出的文件,核对日期是 2026年11月18日。ggplot2 是例外:它的颜色不存在哪个文件里,是在 R 里运行它自己的函数 scales::pal_hue() 得到的。上面有独立小节的配色,小节里的折叠说明写了具体读的是哪个文件、哪个变量;没有独立小节的有两类:ggplot2 其余几个类别数,取法和展示出来的那几个相同;D3 的出处链接在 Matplotlib 一节里。

配色颜色数一手来源核对日期
Matplotlibtab10 (default axes.prop_cycle)10github.com2026-11-18
Office 2013–2022 主题Office 2013 – 2022 theme, accents 1–66github.com2026-11-18
Office 主题(2023 年起)Office theme (2023 onward), accents 1–66github.com2026-11-18
Office 2007–2010 主题Office 2007 – 2010 theme, accents 1–66github.com2026-11-18
Plotly(plotly.py)“plotly” template colorway10github.com2026-11-18
ggplot2(2 类)scale_colour_discrete(), 2 classes2github.com2026-11-18
ggplot2(3 类)scale_colour_discrete(), 3 classes3github.com2026-11-18
ggplot2(4 类)scale_colour_discrete(), 4 classes4github.com2026-11-18
ggplot2(5 类)scale_colour_discrete(), 5 classes5github.com2026-11-18
ggplot2(6 类)scale_colour_discrete(), 6 classes6github.com2026-11-18
ggplot2(7 类)scale_colour_discrete(), 7 classes7github.com2026-11-18
ggplot2(8 类)scale_colour_discrete(), 8 classes8github.com2026-11-18
Tableau 10Tableau 10 (Automatic categorical palette)10github.com2026-11-18
Power BIBase theme data colors, first 1010github.com2026-11-18
seaborn(deep)deep (default of set_theme() and of seaborn.objects)10github.com2026-11-18
Chart.jsColors plugin palette7github.com2026-11-18
R 的 palette()palette() default (“R4”)8svn.r-project.org2026-11-18
D3 category10schemeCategory1010github.com2026-11-18
seaborn 的 colorblindcolorblind10github.com2026-11-18
Okabe-ItoMasataka Okabe (Jikei Medical School) & Kei Ito (University of Tokyo), 2002, revised 20088jfly.uni-koeln.de—

已知没钉死的地方

  • Tableau 的系列顺序是推出来的,没有实机验证,见 Tableau 一节。
  • Office 2007–2010 主题下,图表按什么顺序使用各个强调色是推出来的:记录这个顺序的那部分内容,只有 Office 2013 及以后写出的图表文件里才有。
  • 各工具到底测的是哪一组颜色(Office 2013–2022 主题的文件里出现的两种强调色顺序、Power BI 取前几个、Chart.js 测的是原色还是半透明色、plotly.py 和 Plotly.js 的区别、R 的第一个颜色是黑色),写在各小节的说明里。
  • 文中的颜色名(“橙色”“绿色”等)是为了行文方便加的描述,不是测量结果。测的是色值。

怎么复核一个数字

每一行的“在检查器里打开”会把那套配色载入配色冲突检查工具,逐对列出 ΔE。本页里引擎的数字(对数、ΔE、出现冲突的位置)是在生成页面时由同一段代码算出来的,不是手写进去的;色值或阈值一变,数字跟着变。“DaltonLens 核对”那一栏和上面“独立核对”里的数字不一样:它们读自核对脚本当时存下来的输出,不在生成页面时重算。那份输出里记着的引擎对数如果和现在算出来的对不上,页面就构建不过。

该怎么办

这些结果不等于默认配色不能用。它说的是:区分两个系列,不能只靠颜色。

  • 别只靠颜色。在线的末端直接标注系列名,给不同系列用不同的标记形状和线型。这样即使两个颜色看起来一样,系列也认得出来。
  • 颜色必须承担区分作用时,换一套配色。按本页的测法,低于 10 的对数是:Okabe-Ito 28 对里 0 对,Paul Tol 的 bright 21 对里 0 对,Paul Tol 的 muted 36 对里 0 对。这三套都可以在配色冲突检查工具里一键载入。
  • 少用几个颜色。n 个颜色有 n(n−1)/2 对,颜色越多,要同时分开的对就越多。总表里“画到第几个系列出现冲突”那一栏,是每套默认配色开始出现冲突时的系列数;也就是说,比它少一个系列的图还没有冲突(ggplot2 除外,它每个类别数是单独一组颜色)。
  • 测你真正要用的那一套。把色值粘进检查工具;图已经画好了的话,把图片放进色盲模拟器,看整张图在各类型下是什么样子。

想知道两种红绿色盲各自看到的是什么,见红色盲和绿色盲两页。

常见问题

不完全是。在红绿色盲模拟下,Matplotlib 默认的 tab10 配色共 45 对颜色,其中 7 对的 ΔE2000 低于 10,也就是本文判定冲突的阈值。最接近的一对是橙色和绿色(第 2、3 个系列),在红色盲模拟下 ΔE 从 55.2 降到 1.4。只用前两个颜色(蓝色和橙色)时,这一对在两种模拟里较低的结果(红色盲)仍是 ΔE 52.5。
Office 2013–2022 主题的 15 对颜色里有 1 对低于 10:橙色和绿色(第 2、6 个系列,绿色盲模拟下 ΔE 从 47.2 降到 6.2)。2023 年起的新主题是 15 对里 2 对,2007–2010 主题是 15 对里 2 对。Excel、PowerPoint 和 Word 的图表都从文档主题取系列颜色,所以结论相同。
只用前两个颜色(蓝色和橙色)时,这一对在两种模拟里较低的结果(红色盲)是 ΔE 48.4。10 个颜色全用上时,45 对里有 10 对低于 10;最接近的是红色和绿色(第 3、5 个系列),在绿色盲模拟下 ΔE 从 62.4 降到 0.7。
ΔE2000(CIEDE2000)衡量两个颜色看起来差多少,数值越大越容易分开。本文把模拟后相差不到 10 的一对记为冲突,不到 20 的记为有风险。这两条线是做设计评审用的工程经验值,不是临床标准:低于 10 时,两条细线或两个小标记很容易被看混。
按同样的测法,Okabe-Ito 的 28 对颜色里有 0 对低于 10。seaborn 自带的 colorblind 配色是 45 对里 6 对,其中 4 对离阈值不到 1。不管用哪一套,都请再加上直接标注、不同的标记形状或线型,别让颜色成为区分两个系列的唯一线索。
不代表。这些数字是最坏情况:模拟的是完全二色视,而最常见的红绿色觉缺陷类型是程度较轻的绿色弱。它们也是算出来的,没有在真人身上测过。冲突的意思是:当颜色是两个系列之间唯一的区别时,这两个系列有被混淆的风险。加上直接标注、标记或线型,这个风险会小得多。

参考来源

  1. Machado, Oliveira & Fernandes (2009) — "A Physiologically-based Model for Simulation of Color Vision Deficiency," IEEE Transactions on Visualization and Computer Graphics ——引擎模拟红色盲和绿色盲所用的模型
  2. Sharma, Wu & Dalal (2005) — "The CIEDE2000 Color-Difference Formula: Implementation Notes, Supplementary Test Data, and Mathematical Observations," Color Research & Application ——引擎实现 ΔE2000 所依据的公式写法
  3. DaltonLens-Python ——独立核对用的三种模拟:Machado 2009 模型的另一份实现,以及 Viénot 1999、Brettel 1997 两个不同的模型
  4. colour-science、scikit-image ——独立核对用的两个 ΔE2000 实现
  5. Okabe & Ito — Color Universal Design ——对照配色 Okabe-Ito 的色值出处
  6. National Eye Institute (NIH) — Types of Color Vision Deficiency ——最常见的红绿色觉缺陷类型(绿色弱)属于轻度;蓝黄色觉缺陷较少见
  7. Towards Data Science,2024 年一篇讲怎样做色盲也能读的图表的文章 ——此前对 Matplotlib 默认色的观察,在 Matplotlib 一节里对照过
  8. 各套配色的一手来源(工具源码、工具写出的文件,ggplot2 则是它自己的函数)列在每套配色的出处和核对日期一表里。

测一测你真正在用的那套配色

粘贴任意一组色值,得到同样的逐对数字;也可以从上面任意一行点进工具,换掉几个颜色,直到冲突消失。