2024-06-16

想要学习R数据可视化，小果带你见识ggplot2之标度（七）

小师妹生信果 2024-02-03 19:00:57

转自公众号：R语言学徒
http://mp.weixin.qq.com/s?__biz=Mzg5MDk3Mzg4OA==&mid=2247490282&idx=1&sn=10603919fa3633c1d03861b2309a6838

小果在上几篇文章中介绍了ggplot2一些常用的配色方案，但是它的功能还不止于此，那么接下来小果将继续带领大家探索其他的配色方案，在讲述之前呢小果先强烈推荐一下自己的工具平台

（http://www.biocloudservice.com/home.html），

小伙伴们记得去关注使用哦。

1.分箱渐变色

分箱渐变色与小果在上一篇文章中讲述的渐变色类似，在ggplot2中有三个函数可以用于创建分箱渐变色：

1.scale_*_steps()函数用于创建基于等间距分箱的渐变色。它可以根据变量的值来设置填充色或边框色的渐变，并将值划分为等间距的分箱。例如，scale_fill_steps(n = 3, colors = c(“blue”, “green”, “red”))可以创建一个基于值的等间距分箱渐变填充色，将值划分为3个等间距的分箱，分别设为蓝色、绿色和红色。

2.scale_*_steps2()函数用于创建基于两个分割点的分箱渐变色。它可以根据变量的值来设置填充色或边框色的渐变，并在两个分割点之间进行分箱。例如，scale_fill_steps2(midpoint = 0, colors = c(“blue”, “white”, “red”))可以创建一个基于值的分箱渐变填充色，将值小于0的设为蓝色，值大于0的设为红色，值等于0的设为白色。

3.scale_*_stepsn()函数用于创建自定义分箱的渐变色。它可以根据变量的值来设置填充色或边框色的渐变，并根据指定的分割点来进行分箱。例如，scale_fill_stepsn(breaks = c(-1, 0, 1), colors = c(“blue”, “white”, “red”))可以创建一个基于值的自定义分箱渐变填充色，将值小于-1的设为蓝色，值大于1的设为红色，值在-1和1之间的设为白色。

我们可以根据需要调整参数来创建所需的分箱渐变色。可以根据数据类型和可视化需求选择适合的函数和参数。又到了小果的举例环节啦：

> p1 <- ggplot(df, aes(x, y)) ++   geom_point(aes(colour = z1))> p2 <- ggplot(df, aes(x, y)) ++   geom_point(aes(colour = z1)) ++   scale_colour_steps(low = "skyblue", high = "purple")> p3 <- ggplot(df, aes(x, y)) ++   geom_point(aes(colour = z1)) ++   scale_colour_steps2()> p4 <- ggplot(df, aes(x, y)) ++   geom_point(aes(colour = z1)) ++   scale_colour_stepsn(colours = terrain.colors(10))        > plot_grid(p1, p2, p3, p4, labels = LETTERS[1:4], nrow = 2)

2.色轮颜色

色轮颜色是指基于色相环的颜色系统，这种设置方式主要用于将离散型数据均匀地映射到色轮上的颜色，它包含以下三个部分：

1.色相（Hue）：色相是指颜色在色轮上的位置，用角度来表示。色相决定了颜色的基本属性，如红色、蓝色、绿色等。在色轮上，色相角度从0度开始，逆时针方向逐渐增加，直到360度回到起点。

2.饱和度（Saturation）：饱和度是指颜色的纯度或者说强度，表示颜色的鲜艳程度。饱和度较高的颜色更鲜艳，而饱和度较低的颜色更灰暗或者淡色。

3.亮度（Lightness）：亮度是指颜色的明暗程度，表示颜色的明亮程度。亮度较高的颜色更明亮，而亮度较低的颜色更暗淡。

通过调整色相、饱和度和亮度，可以创建不同的色轮颜色。色轮颜色系统常用于可视化中，提供了丰富多样的颜色选择，可以用于表达不同的情感、区分不同的类别或者表示不同的数据值。小果接下来举几个例子帮大家了解它：

> dsamp <- diamonds[sample(nrow(diamonds), 2000), ]> d <- ggplot(dsamp, aes(carat, price)) + +   geom_point(aes(colour = clarity))> p1<- d + scale_colour_hue()> p2 <- d + scale_colour_hue("xiaoguo")> p3 <- d + scale_colour_hue(expression(clarity[beta]))> d + scale_colour_hue(l = 80, c = 60)> plot_grid(d, p1, p2, p3, labels = LETTERS[1:4], nrow = 2)

小果继续调整亮度和色相，如下所示。

> p1 <- d + scale_colour_hue(l = 30, c = 60)> p2 <- d + scale_colour_hue(l = 80, c = 60)> p3 <- d + scale_colour_hue(l = 80, c = 160)> p4 <- d + scale_colour_hue(l = 100, c = 160)> plot_grid(p1, p2, p3, p4, labels = LETTERS[1:4], nrow = 2)

然后我们设置色相的范围，如下所示。

> p1 <- d + scale_colour_hue(h = c(0, 90))> p2 <- d + scale_colour_hue(h = c(90, 180))> p3 <- d + scale_colour_hue(h = c(180, 270))> p4 <- d + scale_colour_hue(h = c(270, 360))> plot_grid(p1, p2, p3, p4, labels = LETTERS[1:4], nrow = 2)

再设置一下透明度吧。

> d <- ggplot(dsamp, aes(carat, price, colour = clarity))> p2 <- d + geom_point(alpha = 0.2)> p3 <- d + geom_point(alpha = 0.6)> p4 <- d + geom_point(alpha = 0.9)> plot_grid(p2, p3, p4, labels = LETTERS[1:4], nrow = 2)