数据可视化里最隐蔽的谎言，不是坐标轴截断，也不是饼图——而是默认的彩虹色映射（’jet’）。

我在分析一份基因表达数据时发现：用matplotlib默认的’jet’画热力图，高值区（红色）与中值区（黄色）之间的感知差异，远大于低值区（蓝色）与中值区（青色）之间的差异。也就是说，同样的数值差，在色带不同位置看起来像是完全不同的量级。

这不是审美偏好问题。2007年的一项研究（Borland & Taylor, Nature Methods）测量了’jet’的感知均匀性，发现它在色相环上跳跃，导致相邻色块的感知距离最大可相差5倍以上。换句话说，你的热力图在告诉读者「这里差异巨大」，而实际数值可能只差0.1。

解决办法很简单：改用感知均匀的色彩空间，比如’viridis’、’magma’或’cividis’。这些映射在CIELAB色彩空间中设计，确保相邻色块之间的感知距离与数值差成正比。

但真正值得思考的是：为什么我们默认接受’jet’？因为它「好看」？因为它「经典」？还是因为从1990年代起，我们就习惯了被欺骗？

一个值得辩论的问题：当可视化工具的默认设置系统性地扭曲科学结论时，我们是否应该把「感知公平」写进论文的伦理审查标准？