在期刊发表过程中，一个好看的配色总是能让文章更加和谐，我自己也认为，在数据不错的情况下，一篇文章中的图片如果更好看一点的话，一来是证明作者态度比较认真，二来也是科研能力的体现，三来就是审美的一致性了
当然，这些都是个人感受，与科研实际结果无关，只是在能一行代码拥有好看配色的情况下，何不尝试一下呢
1. 运行环境
> sessionInfo()
R version 4.2.2 (2022-10-31 ucrt)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 10 x64 (build 19045)
Matrix products: default
locale:
[1] LC_COLLATE=Chinese (Simplified Han)_Hong Kong SAR.utf8
[2] LC_CTYPE=Chinese (Simplified Han)_Hong Kong SAR.utf8
[3] LC_MONETARY=Chinese (Simplified Han)_Hong Kong SAR.utf8
[4] LC_NUMERIC=C
[5] LC_TIME=Chinese (Simplified Han)_Hong Kong SAR.utf8
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] gridExtra_2.3 ggplot2_3.4.0 ggsci_2.9 dplyr_1.0.10
loaded via a namespace (and not attached):
[1] zip_2.2.2 Rcpp_1.0.9 pillar_1.8.1 compiler_4.2.2
[5] tools_4.2.2 viridisLite_0.4.1 lattice_0.20-45 nlme_3.1-160
[9] lifecycle_1.0.3 tibble_3.1.8 gtable_0.3.1 mgcv_1.8-41
[13] pkgconfig_2.0.3 rlang_1.0.6 Matrix_1.5-3 openxlsx_4.2.5.1
[17] DBI_1.1.3 cli_3.4.1 rstudioapi_0.14 withr_2.5.0
[21] generics_0.1.3 vctrs_0.5.1 grid_4.2.2 tidyselect_1.2.0
[25] glue_1.6.2 R6_2.5.1 fansi_1.0.3 farver_2.1.1
[29] magrittr_2.0.3 scales_1.2.1 splines_4.2.2 assertthat_0.2.1
[33] colorspace_2.0-3 labeling_0.4.2 utf8_1.2.2 stringi_1.7.8
[37] munsell_0.5.0 crayon_1.5.2
2. 准备工作
# 所需要的包
library("ggsci") #必须
library("ggplot2") #必须
library("gridExtra") #示例数据，非必须
data("diamonds") # 加载示例数据
# 浅看diamonds数据内容
> head(diamonds,10)
# A tibble: 10 × 10
carat cut color clarity depth table price x y z
<dbl> <ord> <ord> <ord> <dbl> <dbl> <int> <dbl> <dbl> <dbl>
1 0.23 Ideal E SI2 61.5 55 326 3.95 3.98 2.43
2 0.21 Premium E SI1 59.8 61 326 3.89 3.84 2.31
3 0.23 Good E VS1 56.9 65 327 4.05 4.07 2.31
4 0.29 Premium I VS2 62.4 58 334 4.2 4.23 2.63
5 0.31 Good J SI2 63.3 58 335 4.34 4.35 2.75
6 0.24 Very Good J VVS2 62.8 57 336 3.94 3.96 2.48
7 0.24 Very Good I VVS1 62.3 57 336 3.95 3.98 2.47
8 0.26 Very Good H SI1 61.9 55 337 4.07 4.11 2.53
9 0.22 Fair E VS2 65.1 61 337 3.87 3.78 2.49
10 0.23 Very Good H VS1 59.4 61 338 4 4.05 2.39
# 本文其实只使用了4列数据
> diamonds[,c("price","table","cut","depth")]
# A tibble: 53,940 × 4
price table cut depth
<int> <dbl> <ord> <dbl>
1 326 55 Ideal 61.5
2 326 61 Premium 59.8
3 327 65 Good 56.9
4 334 58 Premium 62.4
5 335 58 Good 63.3
6 336 57 Very Good 62.8
7 336 57 Very Good 62.3
8 337 55 Very Good 61.9
9 337 61 Fair 65.1
10 338 61 Very Good 59.4
# … with 53,930 more rows
# ℹ Use `print(n = ...)` to see more rows
3. 出个图
3.1 点线图
这里是点、线图，将diamonds数据集中carat大于等于2.2的行筛选出来进行绘图
p1 <- ggplot(
subset(diamonds, carat >= 2.2),
aes(x = table, y = price, colour = cut)
) +
geom_point(alpha = 0.7) +
geom_smooth(method = "loess", alpha = 0.05, size = 1, span = 1) +
theme_bw()
p1
p1 :
image
上图是一个简单的点、线图，cut分组颜色过于相似，因此区分不是特别明显，我个人认为可以采用明显不同的颜色进行绘图，比如柳叶刀配色
p1_lancet <- ggplot(
subset(diamonds, carat >= 2.2),
aes(x = table, y = price, colour = cut)
) +
geom_point(alpha = 0.7) +
geom_smooth(method = "loess", alpha = 0.05, size = 1, span = 1) +
theme_bw() + scale_color_lancet()
p1_lancet
p1_lancet:
image
再来试试新英格兰医学杂志配色
p1_nejm <- ggplot(
subset(diamonds, carat >= 2.2),
aes(x = table, y = price, colour = cut)
) +
geom_point(alpha = 0.7) +
geom_smooth(method = "loess", alpha = 0.05, size = 1, span = 1) +
theme_bw() + scale_color_lancet()
p1_nejm
p1_nejm:
image
3.2 不同配色方案汇总
其实对比柳叶刀和新英格兰的代码可以发现，仅需修改一行代码即可scale_color_lancet()
所有的套路都是如此，可以自行尝试~
| Name | Scales |
|---|---|
| NPG | scale_color_npg() scale_fill_npg() |
| AAAS | scale_color_aaas() scale_fill_aaas() |
| NEJM | scale_color_nejm() scale_fill_nejm() |
| Lancet | scale_color_lancet() scale_fill_lancet() |
| JAMA | scale_color_jama() scale_fill_jama() |
| JCO | scale_color_jco() scale_fill_jco() |
| UCSCGB | scale_color_ucscgb() scale_fill_ucscgb() |
| D3 | scale_color_d3() scale_fill_d3() |
| LocusZoom | scale_color_locuszoom() scale_fill_locuszoom() |
| IGV | scale_color_igv() scale_fill_igv() |
| COSMIC | scale_color_cosmic() scale_fill_cosmic() |
| UChicago | scale_color_uchicago() scale_fill_uchicago() |
| Star Trek | scale_color_startrek() scale_fill_startrek() |
| Tron Legacy | scale_color_tron() scale_fill_tron() |
| Futurama | scale_color_futurama() scale_fill_futurama() |
| Rick and Morty | scale_color_rickandmorty() scale_fill_rickandmorty() |
| The Simpsons | scale_color_simpsons() scale_fill_simpsons() |
| GSEA | scale_color_gsea() scale_fill_gsea() |
| Material Design | scale_color_material() scale_fill_material() |
那上面表中的
scale_fill_xxx是什么呢？
这其实是ggplot2的语法，scale_color_xxx代表的是描边，其实可以理解为一维数据比如点、线，scale_fill_xxx代表填充，类似二维数据，比如平面
3.3柱形图
举个栗子
# 还是使用的diamonds数据集
p2 <- ggplot(
subset(diamonds, carat > 2.2 & depth > 55 & depth < 70),
aes(x = depth, fill = cut)
) +
geom_histogram(colour = "black", binwidth = 1, position = "dodge") +
theme_bw()+
scale_fill_nejm()
p2
image
类似于以上的柱状图，就需要用
scale_fill_xxx
3.4 补充
之前所有的图都是基于ggplot2语法，因此用法比较固定，当然还有一种需求，就是把色号提取出来，自由搭配，这里展示提取不同配色方案颜色的CMYK值
# 总的来说，语法就是pal_xxx()
# 比如lancet：
> mypal <- pal_lancet(palette = c("lanonc"), alpha = 1)(9)
> mypal
[1] "#00468BFF" "#ED0000FF" "#42B540FF" "#0099B4FF" "#925E9FFF" "#FDAF91FF"
[7] "#AD002AFF" "#ADB6B6FF" "#1B1919FF"
# alpha 代表透明度，(9)代表提取9种颜色
# 关于用法可以查看帮助
??pal_lancet
# 查看颜色
library("scales")
show_col(mypal)
image
感谢观看，如果有用还请点赞，关注，收藏，转发
网友评论