Cores nulas: o que são e como lidar com elas
A cor é uma ferramenta poderosa para comunicar informações, emoções e estética. No entanto, às vezes a cor pode estar ausente, enganosa ou confusa. Este é o que chamamos cores nulas. Nulos de cores são a ausência de informações de cores em um conjunto de dados ou uma representação visual. Eles podem ocorrer por vários motivos, como falta de dados, erros, valores discrepantes ou escolhas de design intencionais. Nulos de cores podem afetar a forma como percebemos e interpretamos os dados e também podem representar desafios para pessoas com deficiências de visão de cores.
Neste artigo, explicaremos o que são cores nulas, por que acontecem, como podem ser detectadas e tratadas e quais são algumas práticas recomendadas para o uso de cores na visualização de dados. Ao final deste artigo, você entenderá melhor como usar as cores de maneira eficaz e responsável em seus projetos de dados.
color nulls
Causas de cores nulas
Cores nulas podem ter causas diferentes dependendo da natureza e fonte dos dados. Aqui estão alguns cenários comuns em que nulos de cor podem ocorrer:
dados ausentes
Dados ausentes são uma das causas mais comuns de cores nulas. Dados ausentes podem ocorrer quando não há valor registrado para uma determinada variável ou observação em um conjunto de dados. Por exemplo, se você tiver um conjunto de dados de pesquisa que pergunte aos entrevistados sobre idade, sexo, renda e cor favorita, alguns entrevistados podem não responder algumas ou todas as perguntas. Isso resultará em valores ausentes no conjunto de dados.
Ao tentar visualizar esse conjunto de dados usando um gráfico ou mapa codificado por cores, você pode encontrar cores nulas. Por exemplo, se você deseja criar um mapa coroplético que mostra a distribuição de renda por estado nos EUA, pode descobrir que alguns estados não têm dados de renda disponíveis. Isso resultará em áreas em branco ou em branco no mapa que indicam valores ausentes.
Erros e discrepâncias
Outra causa de cores nulas são os erros e discrepâncias nos dados.Erros e outliers são valores que se desviam significativamente do intervalo ou padrão normal dos dados. Eles podem ser causados por erros de medição, erros de gravação, erros de transcrição ou outros fatores. Por exemplo, se você tiver um conjunto de dados de temperatura que registre a temperatura média diária em diferentes cidades ao redor do mundo, poderá descobrir que alguns valores são extremamente altos ou baixos devido a sensores defeituosos ou erros humanos.
Ao tentar visualizar esse conjunto de dados usando um gráfico ou mapa codificado por cores, você pode encontrar cores nulas. Por exemplo, se você deseja criar um mapa de calor que mostre a variação de temperatura por cidade em diferentes estações do ano, pode descobrir que algumas cidades têm cores muito escuras ou claras que indicam valores extremos. Isso resultará em cores distorcidas ou enganosas no mapa que não refletem a verdadeira distribuição de temperatura.
Escolhas de design intencionais
Uma terceira causa de cores nulas são as escolhas intencionais de design feitas pelo analista ou visualizador de dados. Às vezes, cores nulas são usadas deliberadamente para destacar certos aspectos dos dados ou para transmitir uma mensagem ou humor específico. Por exemplo, se você tiver um conjunto de dados de vendas que mostre a receita mensal de diferentes produtos em diferentes regiões, convém usar cores nulas para indicar os produtos ou regiões com receita zero ou negativa. Isso ajudará você a identificar as áreas fracas ou problemáticas em seu negócio e a tomar as ações apropriadas.
No entanto, escolhas de design intencionais devem ser feitas com cuidado e com explicações claras. Caso contrário, eles podem confundir ou enganar o público ou criar problemas de acessibilidade para pessoas com deficiência de visão de cores. Por exemplo, se você usar cores nulas para indicar dados ausentes, também deverá fornecer uma legenda ou uma nota que explique o que as cores nulas significam e por que elas estão lá. Caso contrário, o público pode presumir que os nulos de cor fazem parte dos dados ou que representam algum outro valor.
Detecção e tratamento de cores nulas
Cores nulas podem ter diferentes impactos na qualidade e usabilidade da visualização de dados. Dependendo da causa e do contexto dos nulos de cores, eles podem ser desejáveis ou indesejáveis, úteis ou prejudiciais, informativos ou enganosos. Portanto, é importante detectar e manipular cores nulas de maneira adequada e eficaz. Aqui estão alguns métodos e técnicas que podem ajudá-lo com cores nulas:
Testes de visão de cores
Uma maneira de detectar cores nulas é testar sua própria visão de cores ou a visão de cores de seu público-alvo. Os testes de visão de cores são ferramentas que podem ajudá-lo a avaliar sua capacidade de distinguir diferentes cores e tons. Eles também podem ajudá-lo a identificar quaisquer deficiências ou anomalias de visão de cores que você possa ter, como protanopia (cegueira vermelho-verde), deuteranopia (cegueira verde-vermelha) ou tritanopia (cegueira azul-amarela).
Os testes de visão de cores podem ser feitos online ou offline, usando vários formatos e métodos. Alguns exemplos de testes de visão de cores online são [EnChroma], [Color Blind Check] e [Color Vision Test by Colblindor]. Alguns exemplos de testes de visão de cores off-line são [Teste de Ishihara], [Teste Farnsworth-Munsell 100 Hue] e [Teste de cor desaturada Lanthony].
Ao fazer um teste de visão de cores, você pode determinar se possui alguma cor nula em sua percepção ou interpretação das cores. Você também pode usar os resultados do teste para ajustar suas escolhas de cores ou estratégias de design de acordo. Por exemplo, se você descobrir que tem protanopia, convém evitar o uso de cores vermelho e verde em sua visualização de dados ou usar outras dicas, como formas, padrões ou rótulos para complementar as informações de cores.
Esquemas de codificação de cores
Outra maneira de lidar com cores nulas é usar esquemas de codificação de cores apropriados para a visualização de dados. Os esquemas de codificação de cores são regras ou convenções que atribuem cores diferentes a diferentes valores ou categorias em um conjunto de dados.Eles podem ajudá-lo a criar uma representação visual consistente e significativa de seus dados usando cores.
Existem diferentes tipos de esquemas de codificação de cores, dependendo da natureza e finalidade de sua visualização de dados. Alguns tipos comuns são:
Nominal: esse tipo de esquema de codificação de cores usa cores diferentes para representar diferentes categorias ou grupos em um conjunto de dados. Por exemplo, se você tiver um conjunto de dados que mostre a população por continente, poderá usar cores nominais para atribuir uma cor diferente a cada continente.
Ordinal: esse tipo de esquema de codificação de cores usa cores diferentes para representar diferentes classificações ou ordens em um conjunto de dados. Por exemplo, se você tiver um conjunto de dados que mostre a contagem de medalhas por país nas Olimpíadas, poderá usar cores ordinais para atribuir uma cor diferente a cada tipo de medalha (ouro, prata, bronze).
Sequencial: esse tipo de esquema de codificação de cores usa diferentes tonalidades da mesma cor para representar diferentes magnitudes ou intensidades em um conjunto de dados. Por exemplo, se você tiver um conjunto de dados que mostre a temperatura por cidade em um país, poderá usar cores sequenciais para atribuir um tom de azul mais escuro a cidades mais frias e um tom de azul mais claro a cidades mais quentes.
divergente: esse tipo de esquema de codificação de cores usa duas cores contrastantes para representar diferentes polaridades ou direções em um conjunto de dados. Por exemplo, se você tiver um conjunto de dados que mostre a variação do PIB por país em um ano, poderá usar cores divergentes para atribuir uma cor vermelha a países com crescimento negativo do PIB e uma cor verde a países com crescimento positivo do PIB.
Ao escolher um esquema de codificação de cores para sua visualização de dados, você deve considerar vários fatores, como:
O tipo e a distribuição dos seus dados
A mensagem ou história que você deseja transmitir
O público e o contexto da sua visualização
A estética e a legibilidade da sua visualização
Alguns exemplos de ferramentas ou recursos on-line que podem ajudá-lo a escolher um esquema de codificação de cores para sua visualização de dados são [ColorBrewer], [Colorgorical] e [Data Color Picker].
Filtros de cores e legendas
Uma terceira maneira de lidar com valores nulos de cores é usar legendas e filtros de cores para sua visualização de dados. Filtros de cores e legendas são recursos ou elementos que podem ajudá-lo a modificar, explicar ou interagir com as cores em sua visualização de dados. Eles podem ajudá-lo a melhorar a clareza e a funcionalidade de sua visualização usando cores.
Existem diferentes tipos de filtros de cores e legendas, dependendo do tipo e finalidade de sua visualização de dados. Alguns tipos comuns são:
escala de cores: este é um tipo de legenda que mostra o intervalo e o significado das cores usadas em um esquema de codificação de cores sequencial ou divergente. Por exemplo, se você tem um mapa de calor que mostra a variação de temperatura por cidade em diferentes estações do ano, pode usar uma escala de cores para mostrar os valores mínimos e máximos de temperatura e as cores correspondentes.
Chave de cor: Este é um tipo de legenda que mostra a associação e o significado das cores usadas em um esquema de codificação de cores nominal ou ordinal. Por exemplo, se você tiver um gráfico de pizza que mostre a participação de mercado de diferentes marcas em uma categoria de produto, poderá usar uma chave de cores para mostrar o nome e a cor de cada marca.
Seletor de cores: este é um tipo de filtro que permite alterar ou customizar as cores usadas na visualização de seus dados. Por exemplo, se você tiver um gráfico de barras que mostre a receita de vendas de diferentes produtos em diferentes regiões, poderá usar um seletor de cores para alterar a cor de cada produto ou região de acordo com sua preferência ou necessidade.
Iluminador colorido: este é um tipo de filtro que permite enfatizar ou focar em determinados valores ou categorias em sua visualização de dados usando cores.Por exemplo, se você tiver um gráfico de dispersão que mostre a relação entre duas variáveis em um conjunto de dados, poderá usar um marcador de cor para selecionar ou realçar um valor ou categoria específica usando uma cor diferente ou mais clara.
Ao usar filtros de cores e legendas para sua visualização de dados, você deve considerar vários fatores, como:
O tipo e a complexidade dos seus dados
A funcionalidade e a interatividade da sua visualização
O espaço e o layout da sua visualização
A consistência e compatibilidade de suas cores
Alguns exemplos de ferramentas ou recursos online que podem ajudá-lo a criar ou usar filtros de cores e legendas para sua visualização de dados são [Tableau], [Power BI] e [Google Data Studio].
Práticas recomendadas para usar cores na visualização de dados
A cor é uma ferramenta poderosa e versátil para visualização de dados, mas também traz alguns desafios e responsabilidades. Para usar cores de forma eficaz e responsável em sua visualização de dados, você deve seguir alguns princípios e práticas recomendadas. Aqui estão alguns deles:
Teoria e psicologia das cores
A teoria e a psicologia das cores são os estudos de como as cores afetam a percepção, a cognição e o comportamento humanos. Eles podem ajudá-lo a entender os significados, associações e emoções que diferentes cores evocam em diferentes contextos e culturas. Eles também podem ajudá-lo a escolher as cores certas para sua visualização de dados com base em seus objetivos, mensagens e público.
Alguns dos conceitos e termos básicos da teoria e psicologia das cores são:
Matiz: este é o nome ou atributo de uma cor, como vermelho, azul ou amarelo. É determinado pelo comprimento de onda da luz que é refletida ou emitida por um objeto.
Valor: é a claridade ou escuridão de uma cor, variando do branco ao preto. É determinado pela quantidade de luz que é refletida ou emitida por um objeto.
Saturação: é a intensidade ou pureza de uma cor, variando de opaco a vívido.É determinado pela quantidade de cinza que é misturado com uma tonalidade.
Cores quentes e frias: essas são as categorias de cores associadas a diferentes temperaturas, humores e emoções. As cores quentes são os tons que variam do vermelho ao amarelo e tendem a evocar sentimentos de calor, energia, excitação e agressão. As cores frias são os tons que variam do azul ao verde e tendem a evocar sentimentos de frescor, calma, relaxamento e tristeza.
Cores complementares: são as cores opostas na roda de cores, como vermelho e verde ou azul e laranja. Eles criam um forte contraste e um equilíbrio dinâmico quando usados juntos.
cores análogas: são as cores adjacentes na roda de cores, como vermelho, laranja e amarelo ou azul, verde e roxo. Eles criam um efeito harmonioso e agradável quando usados juntos.
cores monocromáticas: são as cores derivadas de um único matiz variando seu valor e saturação, como azul claro, azul médio e azul escuro. Eles criam um efeito simples e elegante quando usados juntos.
Alguns exemplos de ferramentas ou recursos on-line que podem ajudá-lo a aprender ou aplicar a teoria e a psicologia das cores para sua visualização de dados são [Adobe Color], [Coolors] e [Color Matters].
Harmonia e contraste de cores
Harmonia e contraste de cores são os princípios para criar um esquema de cores equilibrado e atraente para a visualização de dados. Eles podem ajudá-lo a obter uma ordem visual e clareza em sua visualização de dados usando cores.
A harmonia de cores é a qualidade de criar uma combinação agradável ou satisfatória de cores que funcionam bem juntas. A harmonia de cores pode ser alcançada usando diferentes métodos ou regras, como cores complementares, cores análogas, cores monocromáticas ou outros esquemas de cores baseados na roda de cores.
O contraste de cores é a qualidade de criar uma diferença perceptível ou marcante entre duas ou mais cores que se destacam umas das outras. O contraste de cores pode ser obtido usando diferentes fatores ou dimensões, como contraste de matiz (usando matizes diferentes), contraste de valor (usando valores diferentes), contraste de saturação (usando saturações diferentes) ou contraste de temperatura (usando cores quentes e frias).
Ao criar um esquema de cores para sua visualização de dados, você deve considerar a harmonia e o contraste das cores. Você deve usar harmonia de cores para criar uma representação visual coerente e consistente de seus dados usando cores. Você deve usar o contraste de cores para criar uma comunicação visual eficaz e eficiente de seus dados usando cores.
Alguns exemplos de ferramentas ou recursos on-line que podem ajudá-lo a criar ou avaliar a harmonia de cores e o contraste para sua visualização de dados são [Paletton], [ColorHexa] e [WebAIM Contrast Checker].
Acessibilidade e inclusão de cores
Acessibilidade e inclusão de cores são as práticas de tornar sua visualização de dados acessível e inclusiva para pessoas com diferentes habilidades, necessidades, preferências, origens e culturas. Eles podem ajudá-lo a garantir que sua visualização de dados seja justa, ética, respeitosa e útil para todos que usam cores.
A acessibilidade de cores é a prática de tornar sua visualização de dados acessível para pessoas com diferentes deficiências ou deficiências visuais, como daltonismo, baixa visão ou cegueira. A acessibilidade de cores pode ser alcançada usando diferentes métodos ou técnicas, como: - Usar filtros de cores e legendas para explicar o significado e a função das cores em sua visualização de dados. - Usar contraste e brilho de cores para garantir que as cores em sua visualização de dados sejam visíveis e distinguíveis para pessoas com diferentes habilidades de visão de cores.- Usar esquemas de codificação de cores compatíveis e consistentes com as deficiências comuns de visão de cores, como protanopia, deuteranopia ou tritanopia. - Usando outras dicas ou elementos visuais para complementar ou substituir as informações de cores em sua visualização de dados, como formas, padrões, rótulos ou sons. A inclusão de cores é a prática de tornar sua visualização de dados inclusiva para pessoas com diferentes origens culturais, valores, crenças ou preferências. A inclusão de cores pode ser alcançada usando diferentes métodos ou técnicas, como: - Usar a teoria e a psicologia das cores para entender os significados, associações e emoções que diferentes cores evocam em diferentes contextos e culturas. - Usando harmonia e contraste de cores para criar um esquema de cores equilibrado e atraente que respeite e reflita a diversidade e singularidade de seu público. - Usar filtros de cores e legendas para fornecer opções e escolhas para que seu público personalize ou personalize as cores em sua visualização de dados de acordo com suas necessidades ou preferências. - Usando esquemas de codificação de cores que sejam apropriados e relevantes para o tipo e finalidade de sua visualização de dados e que evitem qualquer confusão ou ofensa potencial para seu público. Alguns exemplos de ferramentas ou recursos online que podem ajudá-lo a tornar sua visualização de dados mais acessível e inclusiva usando cores são [Color Oracle], [Color Safe] e [Color Blindness Simulator]. Conclusão
A cor é uma ferramenta poderosa para visualização de dados, mas também traz alguns desafios e responsabilidades. Para usar cores de forma eficaz e responsável em sua visualização de dados, você deve entender o que são cores nulas, por que elas acontecem, como podem ser detectadas e tratadas e quais são algumas práticas recomendadas para o uso de cores na visualização de dados.
Neste artigo, explicamos esses conceitos e fornecemos alguns exemplos e dicas para você aplicá-los em seus projetos de dados.Esperamos que este artigo tenha ajudado você a melhorar suas habilidades e conhecimentos sobre cores e a criar visualizações de dados mais significativas e envolventes usando cores.
Se quiser saber mais sobre cores nulas e outros tópicos relacionados à visualização de dados, aqui estão alguns recursos que podem ser úteis:
[Catálogo de visualização de dados]: Este é um site que fornece uma lista abrangente de diferentes tipos de visualizações de dados, juntamente com suas definições, exemplos, funções, vantagens, desvantagens e ferramentas.
[Data Visualization: A Practical Introduction]: Este é um livro de Kieran Healy que ensina como criar visualizações de dados eficazes usando R e ggplot2.
[Visualização de Dados: Gráficos, Mapas e Gráficos Interativos]: Este é um curso de Alberto Cairo que ensina como criar visualizações de dados usando o Adobe Illustrator.
perguntas frequentes
Qual é a diferença entre cores nulas e daltonismo?
Nulos de cores são a ausência de informações de cores em um conjunto de dados ou uma representação visual. O daltonismo é a incapacidade ou capacidade reduzida de distinguir certas cores ou tons. Nulos de cores podem afetar qualquer pessoa que visualize uma visualização de dados, independentemente de sua capacidade de visão de cores. O daltonismo pode afetar como uma pessoa percebe ou interpreta as cores em uma visualização de dados.
Como posso evitar cores nulas em meu conjunto de dados?
Você pode evitar cores nulas em seu conjunto de dados garantindo que seus dados sejam completos, precisos, válidos e confiáveis. Você pode fazer isso usando vários métodos ou técnicas, como: - Limpeza de dados: Este é o processo de identificação e correção de quaisquer erros, inconsistências, duplicatas, outliers ou valores ausentes em seu conjunto de dados. - Imputação de dados: Este é o processo de estimar ou substituir quaisquer valores ausentes em seu conjunto de dados usando métodos ou algoritmos estatísticos.- Validação de dados: Este é o processo de verificação e verificação de que seus dados atendem a determinados padrões ou critérios de qualidade, precisão, relevância ou adequação.
Quais são algumas ferramentas ou aplicativos que podem me ajudar com cores nulas?
Existem muitas ferramentas ou aplicativos que podem ajudá-lo com cores nulas de diferentes maneiras. Alguns exemplos são: - [ColorBrewer]: Esta é uma ferramenta da web que ajuda você a escolher esquemas de cores para mapas ou gráficos com base em diferentes critérios, como tipo de dados, número de classes, natureza da variação, etc. tipos de daltonismo, como protanopia, deuteranopia ou tritanopia. - [Color Safe]: Esta é uma ferramenta da web que ajuda você a criar paletas de cores acessíveis para sua visualização de dados com base em diferentes critérios, como cor de fundo, tamanho da fonte, peso da fonte, etc.
Como posso testar minha visão de cores ou meu design de cores?
Você pode testar sua visão de cores ou seu design de cores usando vários métodos ou ferramentas, como: - Testes de visão de cores: são ferramentas que podem ajudá-lo a avaliar sua capacidade de distinguir diferentes cores e tons. Eles também podem ajudá-lo a identificar quaisquer deficiências ou anomalias de visão de cores que você possa ter. Alguns exemplos de testes de visão de cores online são [EnChroma], [Color Blind Check] e [Color Vision Test by Colblindor]. Alguns exemplos de testes de visão de cores off-line são [Teste de Ishihara], [Teste Farnsworth-Munsell 100 Hue] e [Teste de cor desaturada Lanthony]. - Ferramentas de avaliação de cores: são ferramentas que podem ajudá-lo a avaliar a qualidade e a eficácia de suas escolhas de cores ou design para sua visualização de dados.Eles também podem ajudá-lo a melhorar ou otimizar seu esquema de cores ou design com base em diferentes critérios ou feedback. Alguns exemplos de ferramentas de avaliação de cores online são [Paletton], [ColorHexa] e [WebAIM Contrast Checker]. Alguns exemplos de ferramentas de avaliação de cores off-line são [Colorimeter], [Spectrophotometer] e [ColorChecker].
Quais são alguns exemplos de uso eficaz de cores na visualização de dados?
Existem muitos exemplos de uso eficaz de cores na visualização de dados. Aqui estão alguns deles: - [Gapminder World]: Esta é uma ferramenta da web que permite explorar os indicadores de desenvolvimento do mundo usando gráficos e mapas interativos. Ele usa cores para representar diferentes regiões, categorias e tendências nos dados. - [How Americans Die]: Este é um artigo da web da Bloomberg que mostra as causas e os padrões de mortalidade nos EUA usando tabelas e gráficos animados. Ele usa cores para destacar as principais causas de morte e suas mudanças ao longo do tempo. - [The Racial Dot Map]: Este é um mapa da web da Universidade da Virgínia que mostra a diversidade racial e étnica da população dos EUA usando pontos. Ele usa cores para atribuir uma cor de ponto diferente a cada grupo racial ou étnico nos dados. 0517a86e26
Comments