Códigos hexadecimales de Set2, Dark2, Paired, Blues, RdBu y RdYlBu, con una guía para elegir paletas secuenciales, divergentes o cualitativas según los datos.
SciFig Team
Equipo editorial de SciFig
ColorBrewer ofrece paletas secuenciales, divergentes y cualitativas que han sido probadas.
Nació como una herramienta cartográfica creada por Cynthia Brewer y Mark Harrower en Penn State, y sigue siendo una de las bibliotecas de color más utilizadas en visualización científica. Su principal virtud es sencilla: separa las paletas según el tipo de datos que codifican e indica cuáles conservan su legibilidad ante alteraciones de la visión cromática y en impresiones en escala de grises.
Tres filas de muestras ColorBrewer etiquetadas como secuencial, divergente y cualitativa, cada una con sus códigos hexadecimales debajo (tabla de colores ColorBrewer creada con SciFig)
Elige primero el tipo de paleta
Casi todas las malas decisiones de color en una figura científica se deben a un error de tipo, no de gusto. Antes de comparar colores concretos, haz que la familia de la paleta corresponda al tipo de datos.
Tipo de datos
Familia de paleta
Ejemplo
Uso recomendado
Categorías sin orden
Cualitativa
Set2, Dark2, Paired
Especies, grupos de tratamiento, condiciones
Datos ordenados o continuos
Secuencial
Blues, Greens, YlOrRd
Concentración, recuento, densidad
Valores que divergen desde un punto medio
Divergente
RdBu, RdYlBu, BrBG
Cambio de expresión logarítmico, anomalía, correlación
Aplicar una paleta divergente a datos secuenciales inventa un punto medio inexistente. Usar una paleta secuencial para categorías sugiere una jerarquía que tampoco existe. Ambas decisiones confunden al lector incluso antes de que lea una sola etiqueta de los ejes.
Ve la mejora de figuras en acción
Amplía, repinta, recolorea o reetiqueta cualquier figura científica existente a calidad 8K lista para revistas.
Set2 (8 clases) — suave, poco saturada y apta para alteraciones de la visión cromática. Es una buena opción predeterminada para barras agrupadas y diagramas de caja.
Paired (12 clases) — los colores aparecen en parejas claras y oscuras. Resulta útil cuando las categorías tienen una estructura anidada natural, como control y tratamiento dentro de cada genotipo.
Una advertencia sobre Paired: lo que tiene significado es la relación entre cada pareja. No la uses para doce categorías independientes, porque el lector inferirá relaciones que los datos no respaldan.
Paletas secuenciales y divergentes
Blues (5 clases) — secuencial y de un solo tono.
#EFF3FF#BDD7E7#6BAED6#3182BD#08519C
RdBu (5 clases) — divergente, con un centro claro y neutro.
#CA0020#F4A582#F7F7F7#92C5DE#0571B0
RdYlBu (5 clases) — divergente, con centro amarillo y mayor contraste en los extremos.
#D7191C#FDAE61#FFFFBF#ABD9E9#2C7BB6
En los mapas divergentes, fija el color neutro en el punto medio que tenga significado científico. Si el cambio de expresión logarítmico va de -1 a +4 y dejas que el programa centre la escala según el rango de datos, el color neutro quedará en +1,5. La figura parecerá indicar que la mayoría de los genes están regulados a la baja.
El mismo mapa de calor divergente mostrado dos veces: una versión centrada en el rango de datos y otra centrada correctamente en cero, con impresiones visuales opuestas (comparación creada con SciFig)
Tres gráficos de ejemplo que aplican una paleta ColorBrewer secuencial, una divergente y una cualitativa a datos del tipo correspondiente (figura creada con SciFig)
Subconjunto apto para alteraciones de la visión cromática
No todas las paletas ColorBrewer conservan su legibilidad ante alteraciones de la visión cromática, y la familia cualitativa es la más vulnerable. Como regla práctica:
Las paletas secuenciales de un solo tono (Blues, Greens, Purples) son robustas por diseño, porque varían principalmente en luminosidad.
Set2 y Dark2 funcionan bien con tres o cuatro clases, pero pierden claridad al superar esa cantidad.
Paired no es fiable, porque la diferencia clara y oscura que transmite el significado se comprime con las deficiencias de visión cromática.
Si necesitas más de cuatro categorías cualitativas y la accesibilidad es importante, la paleta Okabe-Ito es un mejor punto de partida que cualquier conjunto cualitativo de ColorBrewer. Nuestra guía de paletas para figuras científicas explica esta decisión con más detalle.
Consejo
ColorBrewer limita de forma deliberada el número de clases. Si un esquema ofrece como máximo 8 o 9, no es una carencia técnica, sino una conclusión de diseño: por encima de esa cantidad, el lector deja de asociar con fiabilidad los colores y la leyenda. Interpreta el límite como una señal para reorganizar la figura.
Un gráfico de barras agrupadas con Set2 y etiquetas directas junto al mismo gráfico con una leyenda de doce elementos, que muestra por qué esta versión cuesta más de leer (figura creada con SciFig)
Crea figuras científicas ahora
Describe tu figura científica en lenguaje natural — obtén ilustraciones listas para publicar en minutos.
El generador de paletas científicas de SciFig aplica estas reglas mientras construyes la figura, y el mejorador de figuras permite recolorear una imagen existente sin rehacerla. Para gráficos, SciFig DataChart (gráficos a partir de tus datos) genera el gráfico con precisión a partir de tus datos, con paletas discretas y mapas de color continuos integrados, y cada color sigue siendo editable.
Set2 con 8 clases utiliza #66C2A5, #FC8D62, #8DA0CB, #E78AC3, #A6D854, #FFD92F, #E5C494 y #B3B3B3. Es una paleta cualitativa suave, adecuada para barras agrupadas y diagramas de caja con pocas categorías.
Sí. Las especificaciones de color de ColorBrewer se distribuyen con una licencia similar a Apache que permite su uso en publicaciones y programas. Si la editorial exige una declaración explícita, consulta el texto vigente de la licencia en el sitio de ColorBrewer.
Usa una paleta secuencial como Blues o YlOrRd cuando los valores avanzan de menor a mayor, y una divergente como RdBu cuando se separan alrededor de un punto medio significativo, por ejemplo cero. Centra el mapa divergente en ese punto, no en el rango de datos.
No. Las paletas secuenciales de un solo tono son robustas por diseño; Set2 y Dark2 funcionan bien hasta unas cuatro clases; Paired no es fiable porque sus parejas claras y oscuras pierden separación ante deficiencias de visión cromática.
Comparten una estructura similar, pero tienen distinta saturación. Set2 es más apagada y funciona bien en áreas rellenas grandes, como las barras; Dark2 es más saturada y separa mejor líneas finas y marcadores pequeños.
Porque, al superar aproximadamente ocho categorías, deja de ser fiable asociar cada color con la leyenda. El límite es una decisión deliberada basada en la percepción humana: úsalo como señal para dividir la figura en paneles o etiquetar directamente, no para buscar una paleta más grande.
Sigue avanzando
Recursos recomendados
Plantillas, herramientas y lecturas adicionales para tu investigación
