부스트 캠프 ai tech 3주 2일차 Data 시각화 (7)

---

color

• 시각화에서 색을 통해서 효과적으로 채널을 구분할 수 있다
• 심미적인 요소 또한 시각화의 일부 요소이다
• 전달하고 싶은 내용을 깔끔하게 색을 통해서 전달하는것이 주 목표이다
  • 꼭 화려한것이 답은 아니다

Color Palette

1. categorical color

• Discrete, Qualitative등의 다양한 이름으로 불린다
• 독립된 색상으로 구성되어 범주형 변수에 주로 사용된다
• 이산적인 개별값을 나타낼때 적합하다

2. Sequential color

• 정렬된 값을 가지는 연속형 변수에 적합나다
• 연속적인 색상을 사용하여 표현한다
  • 어두운곳에서는 밝은색, 밝은 곳에서는 어두운색을 이용한다.
• 색상은 단일 색조로 표현하는것이 좋다.
• 대표적으로 github commit log의 색이 있다.

3. Divergence color

• 연속형과 유사하지만 중앙을 기준으로 서로 다른색으로 나타난다
• 상반된 값을 표현하는데 좋다(기온, 지지율 등)

그 외에 고려할 점

• 다름을 보이기 위한 Highlighting을 색으로 표현 할 수 있다.
• 보통 먼 색일수록 차이가 더 크게보이는 색상 대비를 사용한다.
• 색약이나 색맹을 가지는 읽는 사람을 위해 색 선택을 고려할 필요가 있다.

reference

• Naver Connect Boostcamp - ai tech
• Sequential color