R 技巧 || 从颜色面板选取颜色

作者: 可不说嘛 | 来源:发表于2020-09-04 14:14 被阅读0次

取色板中的颜色

# 查看颜色
library(RColorBrewer)
display.brewer.all()
display.brewer.pal(5, "RdBu")
brewer.pal(3, "RdBu")

以下内容来自：https://www.datanovia.com/en/blog/top-r-color-palettes-to-know-for-great-data-visualization/

用于更改使用ggplot2包或R基本绘图函数生成的图形的默认颜色的顶部R调色板。

演示数据集

我们将使用R内置的iris演示数据集。

head(iris, 6)

##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1          5.1         3.5          1.4         0.2  setosa
## 2          4.9         3.0          1.4         0.2  setosa
## 3          4.7         3.2          1.3         0.2  setosa
## 4          4.6         3.1          1.5         0.2  setosa
## 5          5.0         3.6          1.4         0.2  setosa
## 6          5.4         3.9          1.7         0.4  setosa

创建一个按组着色的基本ggplot

您可以通过以下方式根据分组变量更改颜色：

将参数映射color到目标变量。这将应用于点，线和文本
将参数映射fill到目标变量。这将更改区域的填充颜色，例如箱形图，条形图，直方图，密度图等。

在我们的例子中，我们将映射选项color，并fill在分组变量Species分别为散点图和箱形图。

使用Species变量级别按组更改颜色：

library("ggplot2")
# Box plot
bp <- ggplot(iris, aes(Species, Sepal.Length)) + 
  geom_boxplot(aes(fill = Species)) +
  theme_minimal() +
  theme(legend.position = "top")
bp

# Scatter plot
sp <- ggplot(iris, aes(Sepal.Length, Sepal.Width)) + 
  geom_point(aes(color = Species)) +
  theme_minimal()+
  theme(legend.position = "top")
sp

image

Viridis调色板

在viridis[R包（由西蒙·卡尼尔）提供了调色板，使美丽的情节是：打印机友好的，感知均匀，易于被那些色盲阅读。

如下安装并加载软件包：

install.packages("viridis")  # Install
library("viridis")           # Load

该viridis软件包包含四个顺序的色标：“ Viridis”（主要选择）和三个具有类似属性的替代色标（“岩浆”，“血浆”和“地狱”）。

image

主要功能：

scale_color_viridis()：更改点，线和文本的颜色
scale_fill_viridis()：更改区域的填充颜色（箱形图，条形图等）
viridis(n)，magma(n)，inferno(n)和plasma(n)：生成用于基情节，其中调色板n是的颜色来返回数量。

请注意，函数scale_color_viridis()和scale_fill_viridis()具有一个名为的参数option，该参数是一个字符串，指示要使用的colormap选项。共有四个选项：“岩浆”（或“ A”），“地狱”（或“ B”），“血浆”（或“ C”）和“ viridis”（或“ D”，默认选项）。

ggplot2中的用法

library(ggplot2)
# Gradient color
ggplot(iris, aes(Sepal.Length, Sepal.Width))+
  geom_point(aes(color = Sepal.Length)) +
  scale_color_viridis(option = "D")+
  theme_minimal() +
  theme(legend.position = "bottom")

# Discrete color. use the argument discrete = TRUE
ggplot(iris, aes(Sepal.Length, Sepal.Width))+
  geom_point(aes(color = Species)) +
  geom_smooth(aes(color = Species, fill = Species), method = "lm") + 
  scale_color_viridis(discrete = TRUE, option = "D")+
  scale_fill_viridis(discrete = TRUE) +
  theme_minimal() +
  theme(legend.position = "bottom")

image

基本图中的用法。使用该函数viridis()生成所需的颜色数量：

barplot(1:10, col = viridis(10))

image

RColorBrewer调色板

RColorBrewer软件包创建了一个漂亮的调色板。您应该首先按照以下步骤进行安装：install.packages("RColorBrewer")。

要显示包装中的所有调色板，请键入以下内容：

library(RColorBrewer)
display.brewer.all()

image

该软件包包含3种类型的调色板：顺序，发散和定性。

顺序调色板（第一个颜色列表），适合从低到高（渐变）的有序数据。调色板名称为：蓝调，BuGn，BuPu，GnBu，绿色，灰色，橘子，OrRd，PuBu，PuBuGn，PuRd，Purples，RdPu，Reds，YlGn，YlGnBu YlOrBr，YlOrRd。
定性调色板（第二种颜色列表），最适合表示名义或分类数据。它们并不暗示组之间的大小差异。调色板名称为：重音，暗2，成对，柔和1，柔和2，设置1，设置2，设置3。
不同的调色板（第三种颜色列表），同样强调数据范围两端的中间范围临界值和极限值。不同的调色板是：BrBG，PiYG，PRGn，PuOr，RdBu，RdGy，RdYlBu，RdYlGn，光谱

RColorBrewer软件包还包括三个重要功能：

# 1\. Return the hexadecimal color specification 
brewer.pal(n, name)

# 2\. Display a single RColorBrewer palette 
# by specifying its name
display.brewer.pal(n, name)

# 3\. Display all color palette
display.brewer.all(n = NULL, type = "all", select = NULL,
                   colorblindFriendly = FALSE)

函数参数说明：

n：调色板中不同颜色的数量，最少3种，最大数量取决于调色板。
name：以上列表中的调色板名称。例如name = RdBu。
type：要显示的调色板类型。允许的值为以下之一：“ div”，“ qual”，“ seq”或“ all”。
select：要显示的调色板名称列表。
colorblindFriendly：如果为TRUE，则仅显示色盲友好调色板。

要仅显示色盲友好的酿酒机调色板，请使用以下R代码：

display.brewer.all(colorblindFriendly = TRUE)

image

您还可以通过如下指定其名称来查看单个RColorBrewer调色板：

# View a single RColorBrewer palette by specifying its name
display.brewer.pal(n = 8, name = 'Dark2')

image

# Hexadecimal color specification 
brewer.pal(n = 8, name = "Dark2")

## [1] "#1B9E77" "#D95F02" "#7570B3" "#E7298A" "#66A61E" "#E6AB02" "#A6761D"
## [8] "#666666"

ggplot2中的用法。ggplot2中有两个色标功能可用于使用Brebrewer调色板：

scale_fill_brewer() 用于箱形图，条形图，小提琴图，点图等
scale_color_brewer() 用于线和点

# Box plot
bp + scale_fill_brewer(palette = "Dark2")

# Scatter plot
sp + scale_color_brewer(palette = "Dark2")

image

在基本图中的用法。该函数brewer.pal()用于生成颜色向量。

# Barplot using RColorBrewer
barplot(c(2,5,7), col = brewer.pal(n = 3, name = "RdBu"))

灰色调色板

主要功能：

scale_fill_grey() 用于箱形图，条形图，小提琴图，点图等
scale_colour_grey() 用于点，线等

# Box plot
bp + scale_fill_grey(start = 0.8, end = 0.2) 

# Scatter plot
sp + scale_color_grey(start = 0.8, end = 0.2)

image

科学期刊调色板

R软件包ggsci包含一组高质量的调色板，这些调色板的灵感来自科学期刊，数据可视化库等中使用的颜色。

调色板作为ggplot2比例函数提供：

scale_color_npg()和scale_fill_npg()：Nature Publishing Group的调色板
scale_color_aaas()和scale_fill_aaas()：美国科学促进会调色板
scale_color_lancet()和scale_fill_lancet()：柳叶刀期刊调色板
scale_color_jco()和scale_fill_jco()：临床肿瘤学杂志调色板
scale_color_tron()and scale_fill_tron()：此调色板的灵感来自Tron Legacy中使用的颜色。当使用深色主题时，它适合显示数据。

您可以在ggsci包vignettes中找到更多示例。

请注意，对于基本图，可以使用相应的调色板生成器来创建颜色列表。例如，您可以使用：pal_npg（），pal_aaas（），pal_lancet（），pal_jco（）等。

ggplot2中的用法。我们将使用JCO和Tron Legacy调色板。

library("ggplot2")
library("ggsci")
# Change area fill color. JCO palette
ggplot(iris, aes(Species, Sepal.Length)) +
  geom_boxplot(aes(fill = Species)) +
  scale_fill_jco()+
  theme_classic() +
  theme(legend.position = "top")

# Change point color and the confidence band fill color. 
# Use tron palette on dark theme
ggplot(iris, aes(Sepal.Length, Sepal.Width)) +
  geom_point(aes(color = Species)) +
  geom_smooth(aes(color = Species, fill = Species)) + 
  scale_color_tron()+
  scale_fill_tron()+
  theme_dark() +
  theme(
    legend.position = "top",
    panel.background = element_rect(fill = "#2D2D2D"),
    legend.key = element_rect(fill = "#2D2D2D")
    )

image

基本图中的用法

par(mar = c(1, 3.5, 1, 1))
barplot(1:10, col = pal_jco()(10))

image

Wes Anderson调色板

从Github（devtools::install_github("karthik/wesanderson")）安装最新的开发版本，或从CRAN（install.packages("wesanderson")）安装。

它包含Wes Anderson电影中的16种调色板：

library(wesanderson)
names(wes_palettes)

##  [1] "BottleRocket1"  "BottleRocket2"  "Rushmore1"      "Royal1"        
##  [5] "Royal2"         "Zissou1"        "Darjeeling1"    "Darjeeling2"   
##  [9] "Chevalier1"     "FantasticFox1"  "Moonrise1"      "Moonrise2"     
## [13] "Moonrise3"      "Cavalcanti1"    "GrandBudapest1" "GrandBudapest2"

包中用于生成颜色向量的键R函数是

wes_palette(name, n, type = c("discrete", "continuous"))

name：所需调色板的名称
n：所需的颜色数。不幸的是，大多数调色板现在只有4或5种颜色。
type：“连续”或“离散”。如果要自动在颜色之间进行插值，请使用连续。

如果您需要的颜色比调色板中通常所能找到的更多，则可以使用连续调色板在现有颜色之间进行插值。

可用的调色板是：

image

ggplot2中的用法：

library(wesanderson)
# Discrete color
bp + scale_fill_manual(values = wes_palette("GrandBudapest1", n = 3))

# Gradient color
pal <- wes_palette("Zissou1", 100, type = "continuous")
ggplot(heatmap, aes(x = X2, y = X1, fill = value)) +
  geom_tile() + 
  scale_fill_gradientn(colours = pal) + 
  scale_x_discrete(expand = c(0, 0)) +
  scale_y_discrete(expand = c(0, 0)) + 
  coord_equal()

image

在基本图中的用法：

barplot(1:10, col = wes_palette("Zissou1", 10, type = "continuous"))

image

R基本调色板

存在可以被用来生成的n个连续的颜色的矢量5个R基函数：rainbow(n)，heat.colors(n)，terrain.colors(n)，topo.colors(n)，和cm.colors(n)。

image

在R基本图中的用法：

barplot(1:5, col=rainbow(5))
# Use heat.colors
barplot(1:5, col=heat.colors(5))
# Use terrain.colors
barplot(1:5, col=terrain.colors(5))
# Use topo.colors
barplot(1:5, col=topo.colors(5))
# Use cm.colors
barplot(1:5, col=cm.colors(5))

结论

我们展示了顶部的R调色板，以定制由ggplot2包或R基本函数生成的图形。要点总结如下。

创建一个基本的ggplot。将color参数映射到因子或分组变量。

p <- ggplot(iris, aes(Sepal.Length, Sepal.Width))+
  geom_point(aes(color = Species))
p

使用自定义色标手动设置调色板：

p + scale_color_manual(values = c("#00AFBB", "#E7B800", "#FC4E07"))

使用对色盲友好的调色板：

cbp1 <- c("#999999", "#E69F00", "#56B4E9", "#009E73",
          "#F0E442", "#0072B2", "#D55E00", "#CC79A7")
p + scale_color_manual(values = cbp1)

使用RColorBrewer调色板：

p + scale_color_brewer(palette = "Dark2")

使用翠绿色标：

library(viridis)
p + scale_color_viridis(discrete = TRUE)

网友评论

本文标题：R 技巧 || 从颜色面板选取颜色

本文链接：https://www.haomeiwen.com/subject/dnuzsktx.html

延伸阅读

深度阅读

您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

R 技巧 || 从颜色面板选取颜色

演示数据集

创建一个按组着色的基本ggplot

Viridis调色板

RColorBrewer调色板

灰色调色板

科学期刊调色板

Wes Anderson调色板

R基本调色板

结论

相关文章

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读

r语言

R语言学习

生物信息