2024-06-17

想要学习R数据可视化，小果带你见识ggplot2之标度（八）

小师妹生信果 2024-02-04 19:00:36

转自公众号：R语言学徒
http://mp.weixin.qq.com/s?__biz=Mzg5MDk3Mzg4OA==&mid=2247491085&idx=1&sn=0dba7f56e57755b69cc7211e186955b3

小果对标度函数的讲解马上要接近尾声了，不知道小伙伴掌握了多少呢，一定要自己动手练习呀。小果接下来会完成标度函数的全部内容，在这之前小果还是先强烈推荐一下自己的工具平台

（http://www.biocloudservice.com/home.html），那么现在继续跟着小果的步伐完成剩下的标度函数内容吧。

1. Viridis 配色

Viridis是一种颜色映射方案，旨在提供在视觉上连续且易于解读的配色方案。Viridis配色方案在ggplot2中非常受欢迎，因为它可以有效地表示数据的连续性，并且在打印和屏幕上都具有良好的可读性。Viridis配色方案具有以下特点：

1.连续性：Viridis配色方案中的颜色是连续的，可以有效地表示数据的连续变化。

2.色彩饱和度：Viridis配色方案中的颜色具有适度的饱和度，使得数据的差异易于分辨，同时不会过于显眼。

3.亮度变化：Viridis配色方案中的颜色在亮度上也有变化，这有助于在不同的背景下保持可读性。

4.色盲友好：Viridis配色方案被设计为对色盲人士友好，可以在不同类型的色盲中区分颜色。

在ggplot2中使用Viridis配色方案，可以通过scale_fill_viridis()或scale_color_viridis()函数来设置。这些函数可以在图形中的填充颜色或边框颜色上应用Viridis配色方案。Viridis配色方案提供了四个不同的变体：Viridis、Magma、Plasma和Inferno。每个变体都具有不同的色调和亮度，可以根据需要选择适合的配色方案。

那么又到了小果的举例环节：

> dsamp <- diamonds[sample(nrow(diamonds), 2000), ]> dsamp# A tibble: 2,000 × 10   carat cut       color clarity depth table price     x     y     z                                            1  1.2  Good      E     SI1      64      61  7096  6.67  6.61  4.25 2  0.57 Ideal     D     VS2      61.8    56  1998  5.31  5.34  3.29 3  0.74 Very Good I     SI1      63.8    58  2352  5.72  5.76  3.66 4  0.54 Ideal     F     VS2      60.3    55  1662  5.26  5.32  3.19 5  0.84 Fair      D     SI2      64.5    60  2167  5.92  5.84  3.79 6  1    Very Good D     SI1      62.3    59  5342  6.26  6.29  3.91 7  0.9  Premium   F     SI1      62.6    60  3881  6.14  6.1   3.83 8  0.31 Ideal     G     VVS1     61.9    55   789  4.38  4.41  2.72 9  0.41 Premium   G     VVS1     60.3    60  1230  4.78  4.74  2.8710  0.5  Premium   I     VVS1     58.2    62  1415  5.25  5.19  3.04

小果用Viridis配色方案对以上数据配色。

> txsamp <- subset(txhousing, city %in%+                    c("Austin", "Irving", "San Antonio", "Collin County", "Abilene"))> d <- ggplot(data = txsamp, aes(x = sales, y = median)) ++   geom_point(aes(colour = city))> p1 <- d + scale_colour_viridis_d("xiaoguo")> p2 <- d + scale_colour_viridis_d(option = "plasma")> p3 <- d + scale_colour_viridis_d(option = "inferno")> plot_grid(d, p1, p2, p3, labels = LETTERS[1:4], nrow = 2)

小果接下来设置填充色和反转颜色。

> p <- ggplot(txsamp, aes(x = median, fill = city)) ++   geom_histogram(position = "dodge", binwidth = 20000)> p1 <- p + scale_fill_viridis_d()> p2 <- p + scale_fill_viridis_d(direction = -1)> plot_grid(p1, p2, labels = LETTERS[1:4], nrow = 2)

2.连续型和离散型

接下来是小果对以前我们一起学过的函数的一些整合，小果就直接举例啦。

> faithfuld# A tibble: 5,625 × 3   eruptions waiting density                                            1      1.6       43 0.00322 2      1.65      43 0.00384 3      1.69      43 0.00444 4      1.74      43 0.00498 5      1.79      43 0.00542 6      1.84      43 0.00574 7      1.88      43 0.00592 8      1.93      43 0.00594 9      1.98      43 0.0058110      2.03      43 0.00554

我们用如上数据画一张热图。

> v <- ggplot(faithfuld, aes(waiting, eruptions, fill = density))> v + geom_tile()

小果来更改一些配色方案，我们可以设置为p1p3相同，p2p4相同，如下所示。

> v <- ggplot(faithfuld, aes(waiting, eruptions, fill = density))++   geom_tile()> p1 <- v + scale_fill_continuous(type = "viridis")> p2 <- v + scale_fill_continuous(type = "gradient")> p3 <- v + scale_fill_viridis_c()> p4 <- v + scale_fill_gradient()> plot_grid(p1, p2, p3, p4, labels = LETTERS[1:4], nrow = 2)

我们再来说一下离散型函数。

> ggplot(mpg, aes(cty, colour = factor(class), fill = factor(class))) ++   geom_density(alpha = 0.3)

小果来更改一下上图的配色。

> okabe <- c("#E03250", "#34B6E8", "#109C98", "#F1D332", "#0878A2", "#F33D11", "#CD88F8")> ggplot(mpg, aes(cty, colour = factor(class), fill = factor(class))) ++   geom_density(alpha = 0.2) ++   scale_color_discrete(type = okabe) ++   scale_fill_discrete(type = okabe)