paul tol bright 是通用性强的科学配色，本文给出色值与适用场景。
Paul Tol 配色方案是一组专为科学图表设计的色盲友好调色板。
这组配色来自荷兰空间研究所 SRON 发布的一份技术说明。它的特别之处在于，每套方案都对应一种明确用途：最大化颜色区分度、获得最高对比度、增强饱和度，或同时容纳更多类别。选对方案的关键，是先确定你的图中颜色需要解决什么问题。
四套色盲友好配色方案
Bright（7 色）
适合一般场景的默认方案。颜色之间区分清楚，又不会像完全饱和的色彩那样刺眼。
| 颜色 | HEX |
|---|---|
| 蓝色 | #4477AA |
| 红色 | #EE6677 |
| 绿色 | #228833 |
| 黄色 | #CCBB44 |
| 青色 | #66CCEE |
| 紫色 | #AA3377 |
| 灰色 | #BBBBBB |
High Contrast（5 色）
适合需要经受黑白打印的图，也适合面向色觉缺陷较严重的读者。黑色与白色构成明度两端。
| 颜色 | HEX |
|---|---|
| 黑色 | #000000 |
| 蓝色 | #004488 |
| 红色 | #BB5566 |
| 黄色 | #DDAA33 |
| 白色 | #FFFFFF |
Vibrant（7 色）
饱和度高于 Bright，更适合细线、小型数据标记，以及需要从远处观看的演示幻灯片。
| 颜色 | HEX |
|---|---|
| 橙色 | #EE7733 |
| 蓝色 | #0077BB |
| 青色 | #33BBEE |
| 品红色 | #EE3377 |
| 红色 | #CC3311 |
| 蓝绿色 | #009988 |
| 灰色 | #BBBBBB |
Muted（10 色）
这是本文中颜色数量最多的一套色盲友好方案。较低的饱和度能让信息密集的图保持清爽。浅灰色专门用于表示缺失或被排除的数据。
| 颜色 | HEX |
|---|---|
| 玫瑰色 | #CC6677 |
| 靛蓝色 | #332288 |
| 沙色 | #DDCC77 |
| 绿色 | #117733 |
| 青色 | #88CCEE |
| 酒红色 | #882255 |
| 蓝绿色 | #44AA99 |
| 橄榄色 | #999933 |
| 紫色 | #AA4499 |
| 浅灰色 | #DDDDDD |
如何选择合适的方案
| 如果你的图是…… | 选择 | 原因 |
|---|---|---|
| 包含 3–7 个系列的常规图表 | Bright | 区分度均衡，视觉上不过分强烈 |
| 需要黑白打印 | High Contrast | 按明度差设计，并包含黑色与白色 |
| 使用细线或需要投影展示 | Vibrant | 即使距离较远或投影质量较低，饱和度仍能保持 |
| 密集展示 8–10 个类别 | Muted | 可安全使用的颜色最多，低饱和度能减少视觉杂乱 |
使用 Muted 时，有两条惯例值得保留。浅灰色
#DDDDDD 应专门用于缺失、排除或不适用的数据；如果把它当作普通类别色，就失去了一种有用的视觉信号。Bright 和 Vibrant 中的灰色 #BBBBBB 也有类似作用，通常用于表示剩余的「其他」类别。
可直接复制的代码
Python
TOL_BRIGHT = ["#4477AA", "#EE6677", "#228833", "#CCBB44",
"#66CCEE", "#AA3377", "#BBBBBB"]
import matplotlib as mpl
mpl.rcParams["axes.prop_cycle"] = mpl.cycler(color=TOL_BRIGHT)如果不想把颜色硬编码进程序，可以直接使用
tol-colors 包提供的全部方案。R
tol_bright <- c("#4477AA", "#EE6677", "#228833", "#CCBB44",
"#66CCEE", "#AA3377", "#BBBBBB")
scale_colour_manual(values = tol_bright)khroma 包提供了 scale_colour_tol() 及相关辅助函数。
Tol 还是 Okabe-Ito？
两者都是色盲友好的定性配色，绝大多数图使用任意一种都可以。实际差别主要在于：
- Okabe-Ito 是生命科学领域认可度更高的标准，这在很大程度上源于 Nature Methods 的传播。如果审稿人问你用了哪套无障碍配色，报出名称通常不必再解释。
- Tol 提供了面向不同用途的多套方案。Okabe-Ito 最多有 8 色，而 Muted 可以覆盖 10 个类别。
如果没有明确偏好，可以把 Okabe-Ito 作为生命科学的起点，把在物理科学和工程领域更常见的 Tol Bright 用于这些学科。我们的科研插图配色指南还介绍了它们与顺序型、发散型配色的关系。
提示
无论选择哪套方案，都应在一篇论文的所有图中保持一致。读者会在阅读过程中逐渐记住颜色与分组的对应关系；如果同一种颜色在不同图中代表不同分组，增加的理解成本会超过更换配色可能带来的好处。
如果不想逐个系列手动改色，可以使用科学配色生成器按照这些约束创建图表；需要为已有图稿重新配色时，则可以使用Figure Enhancer。
延伸阅读
相关阅读: 科研插图最佳配色方案：出版级与色盲友好指南（2026）, 科研海报与科研插图字体指南（2026）：最佳字体与字号.
