1、前 言

在人类的世界中，往往对图像的感觉比数据更加敏感。在分析师界有“一图胜千言”之说，笔者在多次公开的讲演、授课中，发现无论是如何深入、准确的分析，都不及简洁、明了的图像更能打动听众。如果说在医学研究与报告中图形能展现研究的精妙之处，图形的色彩则是让人眼前一亮的“点睛之笔”。因此，假如想拥有打动人心的分析与图表，颜色调和是需要掌握的。也就是说为分析图形配上合适的色彩是数据分析的重要组成部分。

dvdf

在关注分析的R语言世界中，色彩的调配方式也是十分丰富的。既可以使用自带的颜色名称（如“white”）、十六进制数值（“#000000”）、RBG三原色比例、色相饱和度等方法调取颜色，或者使用“懒人色包”（如rainbow/heat.color/cm.color等）自动生成调色，当然也可以RColorBrewer包生成漂亮的预设色系。详情可点击文末链接参考之前的文章。

然而，在分析中往往需要采用特定的颜色搭配去凸显或对比我们的图形，而一般人可能对颜色不太敏感。那该如何生成我们需要的一系列颜色呢？今天，我们介绍一个神奇的调色包——colortoos，它能让您通过颜色的关系与色轮工具（姑且这样叫吧），在最短时间内简单调制出各种你所需的颜色，你也能成为创造色彩的达人。

本文章的上篇首先会详细介绍colortools包调色的基本命令，辅以简单的例子进行说明。下篇分将进入进阶颜色调配，我们将所调配的颜色/色系运用至分析实战中。

2、色轮、颜色关系的基本原理与数据的准备

要掌握调色，首先讲讲色轮的基本原理。所谓色轮，是美术与颜色领域的一个术语。简单来说就是首先给定一个颜色，然后通过不断加白色（tints）与加黑（shades）生成一系列颜色，然后自然形成由一系列颜色组成的调色盘。下图中展示的就是色轮的基本原理与生成过程。当生成一个色轮后，我们可以通过不同的需求，选择色轮上丰富的颜色。

image

色轮是我们认识颜色关系的工具，常常会用在颜色调配的专业领域，我们简单介绍一下四种常用的颜色系。

（1）单色搭配（ Monochromatic ），一种色由暗、中、明三种色调组成。这就是单色。单色搭配上并没有形成颜色的层次，但形成了明暗的层次。这种色系在图形中常用到，出来的效果永远不错，其重要性也可见一斑。

（2）类比色搭配（ Analogous ），就是一种颜色两旁相邻的颜色我们称为类比色。类比色都拥有共同的颜色。这种颜色搭配产生了一种令人悦目、低对比度的和谐美感。类比色非常丰富，在设计时应用这种搭配同样让你轻易产生不错的视觉效果。

（3）补色/对比色搭配（ Complement ）在色轮上直线相对的两种颜色称为补色，如橙色及蓝色。补色形成强列的对比效果。

（4）分裂补色（ Split complement ）如果同时调和补色及类比色的关系来就称为分裂补色。这种颜色搭配既具有类比色的低对比度的美感，又具有补色的力量感。形成了一种既和谐又有重点的颜色关系。我们只要记住四种基本的颜色关系。每一种颜色关系都可以有无数种搭配的可能，当你掌握它们时，你就可以创造出各种颜色与搭配。

﹏

﹏

﹏

﹏

好，颜色理论说到这里，以上四种颜色关系，在神奇的R语言世界中很容易的实现。现在请跟着我们的脚步，马上进入探索色轮的世界。

Install.packages(colortools)

library(colortools)

首先还是安装与载入colortools包

my<-colors()

通过color命令获取系统颜色的名字

head(my,10)

[1] "white" "aliceblue" "antiquewhite"[4] "antiquewhite1" "antiquewhite2" "antiquewhite3"[7] "antiquewhite4" "aquamarine" "aquamarine1"[10] "aquamarine2"

这包括了所有R基础包自带的颜色，预览前十个

3、色轮的应用

3.1简单的色轮的生成

首先，我们生成一个简单的色轮，需要用到wheel的命令。wheel命令包括以下参数，其中，color与num是最关键的色轮生成命令参数。

wheel(color, num = 12, bg = "gray95", border = NULL, init.angle = 105, cex = 1, lty = NULL, main = NULL, verbose = TRUE, ...)

my1=wheel(“blue”,num=12)

自己动手生成色轮，数目为12份

image

非常好，我们简单的生成了以“blue”为起点的一个色轮，获得了一系列颜色的十六进制名字，颜色方案，可以直接用于画图，我们利用柱状图进行展示。形成了一系列彩虹色。

barplot(1:12,names.arg=my1,col=my1,las=2)

将生成的颜色用于柱状图的绘制

image

3.2单色搭配（Monochromatic ）色系的生成

色轮非常方便生成渐变的独特色系。运行以下命令，可以生成以blue为终点的一系列过度色。sequential("blue")[1] "#FFFFFFFF" "#F2F2FFFF" "#E6E6FFFF" "#D9D9FFFF" "#CCCCFFFF"[6] "#BFBFFFFF" "#B3B3FFFF" "#A6A6FFFF" "#9999FFFF" "#8C8CFFFF"[11] "#8080FFFF" "#7373FFFF" "#6666FFFF" "#5959FFFF" "#4C4CFFFF"[16] "#4040FFFF" "#3333FFFF" "#2626FFFF" "#1919FFFF" "#0D0DFFFF"[21] "#0000FFFF"

image

sequential("red")

[1] "#FFFFFFFF" "#FFF2F2FF" "#FFE6E6FF" "#FFD9D9FF" "#FFCCCCFF"[6] "#FFBFBFFF" "#FFB3B3FF" "#FFA6A6FF" "#FF9999FF" "#FF8C8CFF"[11] "#FF8080FF" "#FF7373FF" "#FF6666FF" "#FF5959FF" "#FF4C4CFF"[16] "#FF4040FF" "#FF3333FF" "#FF2626FF" "#FF1919FF" "#FF0D0DFF"[21] "#FF0000FF"

image

3.3类比色搭配（Analogous ）与补色/对比色搭配（Complement ）

色轮可以方便地生成相邻、对比等色系，其命令的基本参数都是相近的，请看以下的操作。

adjacent(color, plot = TRUE, bg = "white", labcol = NULL, cex = 0.8, title = TRUE)#color代表颜色的名称或十六进制数值，plot代表是否生成图片，labecol标注的颜色，cex字体大小，title是否显示题目analogous("blue")adjacent(“blue”)[1] "#0000FF" "#8000FF" "#0080FF"#两个命令等价的

image

adjacent("#0000FF")#蓝色的十六进制值也可以adjacent("blue", plot = FALSE)#也可以不显示图然后，我们来看看对比色的生成。对比色对图形的凸显有非常重要的作用。complementary(“blue”)[1] "#0000FF" "#FFFF00"#比色的生成，基本参数与相邻色的一致

image

3.4分散对比色与四色互补色生成互补色有多种形成的方法，一般多用于不同组别分析的对比中，可以使图像既和谐又突出重点。首先是分散对比色的生成。splitComp("blue")[1] "#0000FF" "#FF7F00" "#80FF00"#分散对比色生成，通常这种对比色颜色比较柔和。

image

然后是四色互补色系生成。

tetradic("blue")[1] "#0000FF" "#FF00FF" "#FFFF00" "#00FF00"

image

square("steelblue")

方形对比色系生成，其实就是抽取四个方位的颜色

image

4、 一些色彩生成命令

以上简单介绍了色轮及其四种颜色关系的获取方法，大家已经基本掌握了简colortools包调色的使用，同时，包内还提供快速设定一系列颜色与获取其名称的命令。通过setColors 可以生成一系列过渡的色块，方便我们提取颜色。

setColors("tomato", num=18)[1] "#FF6347" "#FFA047" "#FFDE47" "#E3FF47" "#A6FF47" "#68FF47"[7] "#47FF63" "#47FFA0" "#47FFDE" "#47E3FF" "#47A6FF" "#4768FF"[13] "#6347FF" "#A047FF" "#DE47FF" "#FF47E3" "#FF47A6" "#FF4768"barplot(1:18,col=my2,bg="white")#setColors接受颜色的名字以及生成色块的数量

image

另一个pizza命令，可以给你所调配的颜色进行可视化，方便地显示我们的调色结果与颜色样本。pizza(rainbow(10))#与彩虹色命令结合生成一系列动人的颜色

image

pizza(heat.colors(10))

与暖色结合生成一系列的色系

image

两个命令结合来用可以生成新色轮。

p<-setColors(3, num=18)#设定颜色的下标值也是可以生成色轮，3代表“green3”pizza(p)

image

pizza(setColors("tomato", num=18), cex = 0.7)#配合setColors，选择自定义系列的配色

image

hist(rnorm(100),breaks=10,col=p)

频率图使用我们自配的颜色

image

当然，colortools也为大家准备了现成的调色板,包括一系列赏心悦目的颜色系列，如dream，terra等，大家自己可以细细体会。

pals()

image

barplot(1:5,col=pals("cheer"))

image

boxplot(len~dose*supp,data=ToothGrowth,col=pals("cheer"),xlab="group",ylab="len")

箱图的绘制

image

5、colortoos包运用的简单案例

以上，我们所调配的颜色，可以运用到之前热图与聚类分析中。关于热图与聚类分析，请参考之前的《一手把握聚类分析，轻松实现数据挖掘的可视化》与《热图是怎么炼成的》一文。

我们直接给出代码，请重点关注颜色应用的部分。library(pheatmap)library(cluster)library(ape)my2<-setColors("blue",num=12)my3<-pals(“drift”)pheatmap(scale(mtcars),col=my2)#配色可以让我们生成热图中的数据更加清晰、直观

image

pheatmap(scale(mtcars),col=sequential("blue",10))

单色调过渡，会强调数量之间的变化情况

image

pheatmap(sclae(mtcars),col=my3,cutree_rows = 3)

相邻色与对比色的使用突出异常值与数量关系，如红色显示极大值

image

plot(as.phylo(hclust(dist(scale(mtcars)))),tip.col=my1)#聚类分析也可以用得上，我们将末端的颜色赋予我们调配的色系

image

plot(as.phylo(hclust(dist(scale(mtcars)))),type=”fan”,tip.col=my3)

image

set.seed(100)

m.c<-kmeans(scale(mtcars),centers=3)pairs(mtcars[,1:5],pch=21,bg=pals("mystery")[m.c$cluster])#散点图与k-mean聚类联合分析中，不同互补色系可以更加和谐的表征不同组别的点的分布

image

5、小 结

以上，只是为大家介绍了色轮调色的关键命令与配色技巧，通过掌握色轮与四种颜色关系的特点，我们也可以获得准确的颜色值、渐变色与互补色等。虽然命令简单，但是灵活使用的话，可以便捷的得到我们想要的配色乃至独特的色系。而进一步来讲，生成统一，悦目与突出重点的图形，在医学分析的可视化领域有着重要的应用。详细的使用攻略，我们留待下一篇实战篇为您揭晓。