Matplotlib 更好的默认颜色映射 | SciPy 2015 | Nathaniel Smith 和 Stéfan van der Walt

A Better Default Colormap for Matplotlib | SciPy 2015 | Nathaniel Smith and Stéfan van der Walt

频道:Enthought · 时长:19:08 · 发布:2015-07-08 · 播放:177867

在 YouTube 观看

简介

SciPy 2015 演讲,由 Nathaniel Smith 和 Stefan van der Walt 讨论为 Matplotlib 选择新的默认颜色映射。它涵盖了为什么 Jet 会误导、感知色彩空间如何工作,以及 viridis 是如何设计的。

HN 为什么推荐

HN 关于颜色映射和颜色感知问题的首选推荐;评论者称其有趣、简短、清晰,是最喜欢的演讲。

这个搞笑的 SciPy2015 演讲[1]说服我改用 Parula 配色方案。 — HN, 2018

数据科学与统计 · 数据可视化与信息设计

中文字幕节选

我是Nathaniel。这位是Stefan。 由我来主讲。 他在这里负责帅。 那么,呃,是的,我们要告诉大家我们如何为Matplotlib设计一个新的默认颜色 映射,我们希望他们能采纳,以及你们也可以怎么做。 嗯,那么,嗯,颜色映射,颜色映射很棒,因为如果你有数据,你只要看 一眼,它根本看不懂。 就是一堆,抱歉,你不在这里。 好吧。颜色映射很棒,因为数据光看是看不懂的。 但如果你把每个值映射到对应的颜色, 突然你就能看到数据中的结构了。 颜色映射就在那里。你需要颜色映射,因为它们是数据和大脑之间的接口, 基本上就是这样,对吧? 但并非所有颜色映射都是生而平等的。 嗯,比如,这是大家又爱又恨的Jet。 嗯,它以扭曲数据而闻名。 我不会深入讨论所有相关文献,但呃,有一项我特别喜欢的研究, 如果可以用‘喜欢’这个词的话,嗯,是这些人做了一些用户研究, 关于一种通过观察细胞成像来诊断心脏病的工具。 所以这些是医生在看患者数据。 当然,他们每天实际使用的工具默认就是jet,因为 它是默认颜色映射。 嗯,所以他们习惯了。 如果你问他们想用哪个颜色映射,他们会说:“哦对, 就那个。我们喜欢它。它很鲜艳什么的。” 但如果你测量他们的行为,与这边这些更好的颜色映射相比, 他们花费两倍的时间,并且做出更多的诊断错误, 对吧?这像个笑话,但就像,我不知道,它可能已经害死了人,对吧? 所以默认值很重要,对吧?所以,好吧,不是jet,但然后你面临的问题是 那用什么代替?嗯,一个可能想到的明显选择是 这个叫Perula的颜色映射,所以MapLab在把jet强加给我们之后,终于自己 在去年换成了这个。嗯,它的名字有点好笑,因为它是 以一只鸟命名的,是学名。它比Jet好多了。 它相当不错。呃,但是,我们不能用它,因为他们为此付出了很多努力, 所以你不能用。 所以,别管那个了。嗯,我肯定它也不怎么样, 对吧?所以,我们必须做一个更好的,最好的开源项目。 好吧,我们自己来做。 能有多难?巧合的是,这张幻灯片也解释了我为什么花了七年 才拿到博士学位。好吧。 那么,我们想要我们的新颜色映射怎样? 我们在寻找什么样的? 嗯,我们知道它应该色彩丰富。 让我们把名字写下来,对吧? 嗯,可能还要漂亮,因为如果人们不喜欢它,就不会用。 嗯,在默认情况下我们对数据一无所知,只知道它是 数字,所以它可能应该是顺序的,而不是发散或 循环的,或者任何假设数据结构的更花哨的类型。 然后,当然,Jet的关键问题是,我们希望我们的新颜色映射 能真正准确地表示数据。 比如,如果值有某种变化,当它到达我们大脑时应该看起来像那样, 对吧?作为默认值,如果它也能在黑白下工作就更好了, 因为人们仍然会打印东西。 嗯,而且因为我们是,你知道,体面的人,我们希望它尽可能 对更多人可访问。 所以,这是一组初步的标准。 我们怎么做呢? 下面这些很棘手,因为它们涉及一些技术性的

HN 上的讨论

我对另一个提到的选择器印象深刻,这次是 HCL 的 [LINK] 这个工具也很有用 [LINK] 我必须提到这个关于颜色映射的精彩演讲 [VIDEO](A Better Default Colormap for Matplotlib, SciPy 2015, Nathaniel Smith 和 Stéfan van der Walt)。它是关于感知均匀颜色映射的。[LINK] — azepoi, 2020-06
我构建了类似的感知均匀颜色库:[LINK] 可悲的是,我们在物理世界中有所有这些颜色可用,但在 sRGB(甚至 Adobe RGB 或 DCI P3)空间中表示它们却带走了所有乐趣。我们只能在狭窄的空间内工作,这限制了你所能做的事情。世界上绝大多数显示器几乎无法表示 sRGB 空间,即使能够,校准也是另一个问题。你可以运用各种科学来正确表示颜色,但如果最终用户的校准不好,一切都不确定。颜色是界面设计(和可访问性)的一个问题,当处理定量数据并构建具有可访问性考虑的感知均匀颜色映射时,它成为一个真正的挑战,这里有一个关于 Matplotlib 新颜色映射的精彩演讲:[VIDEO] — neilpanchal, 2019-10
如果你对这个话题感兴趣,我强烈推荐观看 SciPy 2015 上的这个演讲,当时 Viridis 和 Inferno 首次被提出,Matplotlib 的开发者们正在设计新的默认颜色映射来取代 Jet:[VIDEO] 我很想看到 Turbo 以同样的方式被分析。 — kbd, 2019-08
> 今天我们很高兴推出 Turbo,一种新的颜色映射,它具有 Jet 的理想特性,同时解决了它的一些缺点,如虚假细节、条带和色盲歧义。Jet 的理想特性是什么?为什么不使用 Viridis 或 Magma 或 matplotlib 2.0 中任何新的线性颜色映射?这些缺点正是 Viridis 被创建的原因,正如这个精彩的演讲所展示的:[VIDEO] 我不明白 Turbo 的意义。> Turbo 模仿了 Jet 的亮度曲线,从低到高再回到低,没有条带。因此,它的亮度斜率通常是 Viridis 的两倍,使得细微变化更容易被看到。这是一个有价值的特性,因为当颜色可以用来区分低端和高端时,它大大增强了细节。为什么会有人想要低-高-低的颜色映射?> Viridis 是一种线性颜色映射,通常在需要伪彩色时被推荐,因为它对眼睛友好,并且解决了 Jet 的大部分问题。Inferno 具有与 Viridi… — spectramax, 2019-08
呃,为什么科学家们不都使用感知均匀的配色方案!这在 `plasma` 中看起来仍然很棒。有没有地方可以让我获取数据自己来做?我最喜欢的演讲之一就是关于这个主题的:[VIDEO] — Mizza, 2019-04

相关视频