ggplot2(12)-配色

设置对象颜色

将点设为红色

library(ggplot2)
ggplot(mtcars,aes(x=wt,y=mpg)) + geom_point(colour="red") # 将点改为红色

条形图的填充与轮廓色

用红色填充(fill=“red”)，轮廓为黑色(colour=“black”)’

library(MASS)
ggplot(birthwt,aes(x=bwt)) + geom_histogram(fill="red",colour="black")

将变量映射到颜色上

下面的代码是将Cultivar变量映射到图形属性fill上。

library(gcookbook)

## Warning: package 'gcookbook' was built under R version 3.4.4

ggplot(cabbage_exp,aes(x=Date,y=Weight,fill=Cultivar))+
  geom_bar(stat="identity",colour="black",position="dodge")

下面的代码与上述代码相同：

ggplot(cabbage_exp,aes(x=Date,y=Weight)) +
  geom_bar(stat="identity",aes(fill=Cultivar),colour="black",position="dodge")

将cyl映射到颜色属性上，如下所示：

ggplot(mtcars,aes(x=wt,y=mpg,colour=cyl)) + geom_point()

下面的代码等同于上述代码：

ggplot(mtcars,aes(x=wt,y=mpg)) + geom_point(aes(colour=cyl))

注：mtcars数据集中的cyl是连续型变量，因此图例中的颜色是渐变的，如果是因子型变量，则颜色是离散的，如下所示：

mtcars1 <- mtcars
mtcars1$cyl <- factor(mtcars1$cyl) # 将cyl变量转化为因子型变量 
ggplot(mtcars1,aes(x=wt,y=mpg)) + geom_point(aes(colour=cyl))

对离散型变量使用不同的调节板

基础绘图

library(gcookbook)
p <- ggplot(uspopage,aes(x=Year,y=Thousands,fill=AgeGroup)) + geom_area()
p
# 或等同于
# p + scale_fill_discrete()
# p + scale_fill_hue()

调节颜色深度

基础绘图

加深颜色

h + scale_colour_hue(l=45)
# l表示亮度，越高颜色越浅

调色板

可以用RColorBrewer来进行颜色设置，如下所示：

橘黄色颜色

p + scale_fill_brewer(palette="Oranges")

灰色颜色

p + scale_fill_grey()

上述代码的绘图区域与图例不匹配，现在进行反转：

p + scale_fill_grey(start=0.7,end=0)

使用颜色名称调色

scale_colour_manual()可以对颜色进行精确地设置，可以用颜色的名称，也可以用RGB值，下面是用颜色的名称来表示：

library(gcookbook)
h <- ggplot(heightweight,aes(x=ageYear,y=heightIn,colour=sex)) + geom_point()
h + scale_colour_manual(values=c("red","blue"))

用颜色的RGB值调色

h + scale_colour_manual(values=c("#CC6666","#7777DD"))

直接用变量来设置颜色

可以直接指定m的颜色是蓝色(blue),f的颜色是红色(red)

h + scale_colour_manual(values=c(m="blue",f="red"))

使用色盲友好式的调色板

library(gcookbook)
p <- ggplot(uspopage,aes(x=Year,y=Thousands,fill=AgeGroup)) + geom_area()
cb_palette <- c("#999999","#E69F00","#56B4E9","#009E73","#E0E442","#0072B2","#D55E00","#CC79A7")
p + scale_fill_manual(values=cb_palette)

对连续型变量使用自定义调色板

基础绘图

library(gcookbook)
p <- ggplot(heightweight,aes(x=ageYear,y=heightIn,colour=weightLb)) +
  geom_point(size=3)
p

使用两种颜色的渐变

p + scale_colour_gradient(low="black",high="white")

渐变色中用白色划分

library(scales)
## Warning: package 'scales' was built under R version 3.4.1
p + scale_colour_gradient2(low=muted("red"),mid="white",high=muted("blue"),midpoint=110)
# muted()表示降低标准颜色

n个颜色的渐变色

p + scale_colour_gradientn(colours=c("darkred","orange","yellow","white"))

根据数值设定阴影颜色

library(gcookbook)
cb <- subset(climate,Source == "Berkeley") # 提取climate数据集中的Source为Berkeley的数据，将这些数据复制到cb中
cb$valence[cb$Anomaly10y >= 0] <- "pos" # 将Anomaly10y大于等于0的数据的valence改为pos
cb$valence[cb$Anomaly10y < 0] <- "neg" # 将Anomaly10y小于0的数据的valence改为neg
head(cb)

##     Source Year Anomaly1y Anomaly5y Anomaly10y Unc10y valence
## 1 Berkeley 1800        NA        NA     -0.435  0.505     neg
## 2 Berkeley 1801        NA        NA     -0.453  0.493     neg
## 3 Berkeley 1802        NA        NA     -0.460  0.486     neg
## 4 Berkeley 1803        NA        NA     -0.493  0.489     neg
## 5 Berkeley 1804        NA        NA     -0.536  0.483     neg
## 6 Berkeley 1805        NA        NA     -0.541  0.475     neg

ggplot(cb,aes(x=Year,y=Anomaly10y))+
  geom_area(aes(fill=valence))+
  geom_line()+
  geom_hline(yintercept=0) # 加入一条水平线，水平线的截距为0

从上图的绘图区域可以看出，在数据波动比较小的地方有重合，数据点并不在0上，可以用approx()将数据插值到1000个点左右，如下所示：

interp <- approx(cb$Year,cb$Anomaly10y,n=1000)
cbi <- data.frame(Year=interp$x,Anomaly10y=interp$y)
cbi$valence[cbi$Anomaly10y >=0] <- "pos"
cbi$valence[cbi$Anomaly10y < 0] <- "neg"

ggplot(cbi,aes(x=Year,y=Anomaly10y)) +
  geom_area(aes(fill=valence),alpha=0.4)+
  geom_line()+
  scale_fill_manual(values=c("#CCEEFF","#FFDDDD"),guide=FALSE) +
  scale_x_continuous(expand=c(0,0))

参考资料

1. 常肖楠, 邓一硕, 魏太云. R数据可视化手册[M]. 人民邮电出版社, 2014.