将数据空间映射到颜色空间。
数据空间:连续或分类
数据可以被划分为两个主要的数据空间:连续数据和分类数据。这两种数据空间有不同的特点和适用的分析方法。
连续数据(Continuous Data):
连续数据是指可以在某个范围内取任何数值的数据。在连续数据空间中,数据点之间存在无限多的可能值,因此数据可以在小数点后面取任何值。连续数据通常以实数(包括小数和分数)的形式表示。
一些例子包括:
身高
体重
温度
时间
在连续数据的分析中,我们通常会计算均值、标准差、相关系数等统计指标。连续数据的可视化方法包括直方图、箱线图、散点图等。
分类数据(Categorical Data):
分类数据是指被分为不同类别或群组的数据。分类数据通常表示为标签或名称,而不是数值。分类数据的类别之间没有数值关系,而是用于标识不同的类别。
分类数据又可以细分为名义数据和序数数据:
名义数据表示不同的类别,但没有顺序关系,如性别、国家等。
序数数据表示不同的类别,并且具有一定的顺序关系,如教育程度、情感程度等。
在分类数据的分析中,我们通常会计算频数、百分比,并绘制条形图、饼图、有序条形图等。
色彩空间:Munsell、RGB、HSV
Munsell 色彩空间:
Munsell 色彩空间是一种基于色调(Hue)、明度(Value)和色度(Chroma)的颜色表示方法。它是一种人类感知更接近的色彩表示方式,更加符合人眼对颜色的感知特性。在 Munsell 色彩空间中,色调表示颜色的基本色调属性,明度表示颜色的明暗程度,色度表示颜色的鲜艳程度。Munsell 色彩空间是一个圆柱体模型,可以通过坐标表示颜色。然而,Munsell 色彩空间不常用于计算机图形学等领域,主要用于色彩研究和艺术领域。
RGB 色彩空间:
RGB 色彩空间是基于红色(Red)、绿色(Green)和蓝色(Blue)三个基本色光的叠加来表示颜色。在计算机图形学、数码摄影和显示器中广泛使用。在 RGB 色彩空间中,每个颜色可以通过三个分量的数值来表示。例如,白色由红、绿、蓝三个分量的最大值构成,黑色由三个分量的最小值构成。RGB 色彩空间的优点是适用广泛且直观,但它不一定能够完全准确地表示人类感知的颜色。
HSV 色彩空间:
HSV 色彩空间是基于色调(Hue)、饱和度(Saturation)和明度(Value)的颜色表示方法。HSV 色彩空间将颜色的属性分成了颜色的基本属性(色调)、颜色的纯度程度(饱和度)以及颜色的明暗程度(明度)。HSV 色彩空间对于颜色的调整和选择更加直观,比如在图像编辑软件中进行颜色的调整时,常常使用 HSV 色彩空间。
对于连续数据
顺序
将数值比例映射到颜色空间的轴之一,例如色调
颜色渐变的变化。
对于分类数据
定性
为每个类别分配独特的颜色。