上週做投影片，把 SPSS 的長條圖直接複製貼上去，螢幕上很好看：三種班別用三種顏色分得清清楚楚。前天把口試要交的紙本印出來，系辦影印機只能印黑白。三根柱子變成三種深淺很接近的灰，最左邊跟最右邊幾乎分不出來。

我原本以為這是「印表機的問題」，後來才知道不是。這篇要做的圖表工具，核心不是配色好不好看，是確保同一張圖在螢幕上、彩色列印、黑白影印三種情況下，都還分得出來。中間會有一個我自己也沒想到的結果。

「色盲安全」不等於「黑白安全」
網路上搜得到的「色盲友善色票」，多半是為了色覺辨認障礙的讀者設計的——避開紅綠這種對某些色盲最難分辨的組合。這件事做對了，但它解決的是「色相」的問題，沒有處理「亮度」的問題。

黑白影印機做的事，是把每個顏色換算成一個灰階亮度值，色相全部丟掉。如果兩個顏色色相不同、但亮度剛好接近，色盲安全色票一樣會在黑白影印時變成兩塊很像的灰。這件事色票本身不會告訴你，要自己算。

亮度的算法有公式，人眼對綠色最敏感、對藍色最不敏感，所以不是把 RGB 平均起來，是加權平均：

亮度 = 0.2126×紅 + 0.7152×綠 + 0.0722×藍
這個公式我不用背，讓工具算，但我要知道它在算什麼，不然出來的數字我沒辦法判斷合不合理。

先寫規格檔
跟前面每個工具一樣，analysis/figure-style.md：

圖表規格

通用規則

• 字型：中文 Microsoft JhengHei，避免顯示成空白方框
• 輸出解析度：300 dpi（列印用），不用螢幕預設的 100 dpi
• 圖表不能只靠顏色區分類別，必須同時搭配圖樣（hatch）：斜線、交叉線、點狀
• 色票只能從 Okabe-Ito 色盲安全色票挑，且任兩色的灰階相對亮度差必須 > 0.15
• 每根柱子上標出樣本數 n
• 座標軸要有單位，不能只寫變項名稱

核對

• 輸出圖檔後，另存一份灰階轉換版，肉眼比對一次
• 用色票本身算出灰階亮度，確認任兩色的差距通過門檻，寫進核對報告

輸出

• output/<圖名>.png（彩色，300 dpi）
• output/<圖名>_grayscale_check.png（灰階版，僅供核對，不是要交的檔案）
• output/figure-check.md（亮度核對報告）
  「任兩色的灰階相對亮度差必須 > 0.15」這條數字是我抓的經驗值，不是哪裡的標準，抓的原則是：0.05 以內幾乎分不出來，0.15 以上大部分情況下看得出深淺差異。這條我還在調，先抓一個保守的門檻。

SKILL.md 全文
存在 .claude/skills/figure-apa/SKILL.md：

name: figure-apa
description: 依 analysis/figure-style.md 的規則畫統計圖表，色盲安全且黑白列印可辨識，輸出彩色圖、灰階核對圖與亮度核對報告。使用者說「畫圖」「做圖表」「統計圖」時使用。

APA 風格統計圖

輸入

清理後的資料檔，使用者指定要畫哪個變項、用什麼圖型

規則

1. 色票只能用 Okabe-Ito 色盲安全色票裡的顏色，且畫圖前要先算灰階亮度，任兩色差距須 > 0.15，不合格就換色，不得跳過這一步。
2. 每一類別除了顏色，必須加上不同的 hatch 圖樣。
3. 中文標籤字型固定用 Microsoft JhengHei，輸出前確認沒有顯示成方框。
4. 輸出解析度固定 300 dpi。
5. 畫完之後自動存一份灰階版本，供人眼複查。
6. 不得在圖表上加入規格檔沒要求的裝飾（陰影、3D 效果、漸層）。

輸出

• output/<圖名>.png
• output/<圖名>_grayscale_check.png
• output/figure-check.md
  我第一次選的色票，被自己的核對機制擋下來
  三個班別要三種顏色，我從 Okabe-Ito 色票裡挑了看起來很標準的組合：橙、天藍、藍綠。跑完核對報告，數字讓我愣了一下：

#E69F00（橙）：相對亮度 0.638
#56B4E9（天藍）：相對亮度 0.643
#009E73（藍綠）：相對亮度 0.476
最小亮度差：0.005（建議 > 0.15）
橙色和天藍色，看起來是完全不同的兩種顏色，換算成灰階之後亮度只差 0.005，幾乎是同一個灰。這兩個顏色都是教科書等級的「色盲安全」推薦色，但沒有人告訴我它們黑白印出來會疊在一起。

換掉天藍，改用藍、紅紫、黃這三色：

#0072B2（藍）：相對亮度 0.370
#CC79A7（紅紫）：相對亮度 0.557
#F0E442（黃）：相對亮度 0.858
最小亮度差：0.187（建議 > 0.15，通過）
這組通過了。重跑一次，圖表存出來，我自己拿灰階版看了一眼：深灰、中灰、淺灰，三根柱子分得很清楚，加上斜線、交叉線、點狀三種圖樣，就算完全看不到顏色也分得出來是哪一組。

實際跑出來的圖
用清理好的資料畫「不同班別的職業倦怠總分」：

班別 n M SD
白班 87 64.85 6.65
小夜班 90 65.83 7.20
大夜班 102 65.72 6.82
彩色版三根柱子是藍色斜線、紅紫色交叉線、黃色點狀，中文標題和座標軸標籤正常顯示，沒有變成方框。灰階版轉出來，深灰、中灰、淺灰配上不同圖樣，肉眼可以清楚分辨。

這裡要老實說一句：這張圖的倦怠總分是我在這支腳本裡自己加總 22 題算出來的，跟 Day 15 說的「加總量表分數還是在 SPSS 裡手動算」是兩條平行線——畫圖用的加總分還沒有拿去跟 SPSS 算出來的版本對過一次。這件事我列進今天的待辦，論文正式的表格和統計，數字要以 SPSS 那邊為準，這裡只是為了畫圖先自己算一份。

哪裡會出錯
中文字型不設定，圖表上的字會變成一格一格的方框。 matplotlib 預設字型不含中文字符，第一次畫圖title 和座標軸的中文全部變成豆腐塊。解法是在畫圖之前指定 Microsoft JhengHei，Windows 內建就有這套字型，不用另外裝。這個坑幾乎每個第一次用 Python 畫中文圖表的人都會踩到一次。

色盲安全色票裡的顏色，兩兩之間不保證灰階夠分得開。 這是今天最大的發現，上面整節都在講。教訓是：色票只解決色相，亮度要自己另外算，不能因為色票的名字裡有「安全」兩個字就放心。

螢幕預覽跟印出來的解析度不一樣。 matplotlib 預設存圖是 100 dpi，螢幕上看起來清楚，印在紙上邊緣會有點糊，字看起來毛毛的。存圖時明確指定 dpi=300，印出來才會跟螢幕上一樣銳利。這個坑不會馬上發現，因為多數人是在螢幕上檢查圖表，直到真正印出來交出去才會看到差別。

只靠顏色，沒有第二種區分依據，還是有風險。 就算亮度差通過門檻，我還是每個類別都配了不同的 hatch 圖樣，這是保險而不是多餘——亮度門檻是我自己抓的經驗值，不是精確的科學保證，兩種區分方式疊在一起，才不會因為一次疏忽就讓圖表在某種輸出情境下失效。

這件事跟資料清理是同一種邏輯
Day 14 說錯誤不會報錯，Day 16 說遺漏值代碼設對了不代表每個下游程式都記得排除它。今天這件事是同一個原則在圖表上的版本：「看起來對」在一種情境下成立，不代表在另一種情境下也成立。 螢幕上看起來完美的配色，黑白影印可能失敗；我自己核對的時候如果只看螢幕，永遠不會發現這個問題。所以規格檔裡才會寫「輸出灰階版本供人眼複查」——這一步不是多做的，是唯一能抓到這種錯誤的方法。

我還不確定的地方
0.15 這個亮度差門檻是我自己抓的，還沒有找到護理或社會科學領域對這件事的具體建議，可能太保守也可能不夠。另外圖表用的加總分還沒跟 SPSS 核對過，這件事我列進下週的待辦，在真正把圖表放進論文之前一定要做。

明天
Day 18：我曾經在原始問卷檔案上直接動手改，三個月後想回頭才發現沒有回頭的選項——那次的完整經過，以及它怎麼變成 Day 4 那條「不要動 data/raw/」的規則。