ggplot2 heatmaps：为类别使用不同的渐变

Question

This Learning R blog post展示了如何使用ggplot2制作篮球统计数据的热图。完成的热图如下所示：

我的问题（受Jake启发，对学习R博客文章发表评论）是：是否可以针对不同类别的统计数据（攻击性，防御性，其他）使用不同的渐变颜色？

Answer 1

首先，从帖子中重新创建图表，为更新（0.9.2.1）版本的ggplot2更新图表，该版本具有不同的主题系统并附加更少的包：

nba <- read.csv("http://datasets.flowingdata.com/ppg2008.csv")
nba$Name <- with(nba, reorder(Name, PTS))

library("ggplot2")
library("plyr")
library("reshape2")
library("scales")

nba.m <- melt(nba)
nba.s <- ddply(nba.m, .(variable), transform,
               rescale = scale(value))

ggplot(nba.s, aes(variable, Name)) + 
  geom_tile(aes(fill = rescale), colour = "white") + 
  scale_fill_gradient(low = "white", high = "steelblue") + 
  scale_x_discrete("", expand = c(0, 0)) + 
  scale_y_discrete("", expand = c(0, 0)) + 
  theme_grey(base_size = 9) + 
  theme(legend.position = "none",
        axis.ticks = element_blank(), 
        axis.text.x = element_text(angle = 330, hjust = 0))

对不同的类别使用不同的渐变颜色并不是那么简单。概念方法，将fill映射到interaction(rescale, Category)（其中Category是攻击性/防御性/其他;见下文）不起作用，因为交互因子和连续变量给出了离散变量哪个fill无法映射到。

解决此问题的方法是人为地进行此互动，将rescale映射到Category的不同值的非重叠范围，然后使用scale_fill_gradientn映射每个区域不同的颜色渐变。

首先创建类别。我认为这些映射到评论中的那些，但我不确定;改变哪个变量在哪个类别中很容易。

nba.s$Category <- nba.s$variable
levels(nba.s$Category) <- 
  list("Offensive" = c("PTS", "FGM", "FGA", "X3PM", "X3PA", "AST"),
       "Defensive" = c("DRB", "ORB", "STL"),
       "Other" = c("G", "MIN", "FGP", "FTM", "FTA", "FTP", "X3PP", 
                   "TRB", "BLK", "TO", "PF"))

由于rescale在0的几个（3或4）范围内，因此不同的类别可以偏移一百来保持它们分开。同时，根据重新调整的值和颜色，确定每个颜色渐变的端点应该在哪里。

nba.s$rescaleoffset <- nba.s$rescale + 100*(as.numeric(nba.s$Category)-1)
scalerange <- range(nba.s$rescale)
gradientends <- scalerange + rep(c(0,100,200), each=2)
colorends <- c("white", "red", "white", "green", "white", "blue")

现在将fill变量替换为rescaleoffset，并将fill比例更改为使用scale_fill_gradientn（记住重新调整值）：

ggplot(nba.s, aes(variable, Name)) + 
  geom_tile(aes(fill = rescaleoffset), colour = "white") + 
  scale_fill_gradientn(colours = colorends, values = rescale(gradientends)) + 
  scale_x_discrete("", expand = c(0, 0)) + 
  scale_y_discrete("", expand = c(0, 0)) + 
  theme_grey(base_size = 9) + 
  theme(legend.position = "none",
        axis.ticks = element_blank(), 
        axis.text.x = element_text(angle = 330, hjust = 0))

重新排序以获取相关统计信息是reorder函数对各种变量的另一个应用：

nba.s$variable2 <- reorder(nba.s$variable, as.numeric(nba.s$Category))

ggplot(nba.s, aes(variable2, Name)) + 
  geom_tile(aes(fill = rescaleoffset), colour = "white") + 
  scale_fill_gradientn(colours = colorends, values = rescale(gradientends)) + 
  scale_x_discrete("", expand = c(0, 0)) + 
  scale_y_discrete("", expand = c(0, 0)) + 
  theme_grey(base_size = 9) + 
  theme(legend.position = "none",
        axis.ticks = element_blank(), 
        axis.text.x = element_text(angle = 330, hjust = 0))

Answer 2

这是一个更简单的建议，使用ggplot2美学来映射渐变和颜色类别。只需使用alpha-aesthetic来生成渐变，以及类别的填充美学。

这是代码，重构Brian Diggs的回复：

nba <- read.csv("http://datasets.flowingdata.com/ppg2008.csv")
nba$Name <- with(nba, reorder(Name, PTS))

library("ggplot2")
library("plyr")
library("reshape2")
library("scales")

nba.m <- melt(nba)
nba.s <- ddply(nba.m, .(variable), transform,
           rescale = scale(value))

nba.s$Category <- nba.s$variable
levels(nba.s$Category) <- list("Offensive" = c("PTS", "FGM", "FGA", "X3PM", "X3PA", "AST"),
   "Defensive" = c("DRB", "ORB", "STL"),
   "Other" = c("G", "MIN", "FGP", "FTM", "FTA", "FTP", "X3PP", "TRB", "BLK", "TO", "PF"))

然后，将rescale变量规范化为0到1之间：

nba.s$rescale = (nba.s$rescale-min(nba.s$rescale))/(max(nba.s$rescale)-min(nba.s$rescale))

现在，做绘图：

ggplot(nba.s, aes(variable, Name)) + 
  geom_tile(aes(alpha = rescale, fill=Category), colour = "white") + 
  scale_alpha(range=c(0,1)) +
  scale_x_discrete("", expand = c(0, 0)) + 
  scale_y_discrete("", expand = c(0, 0)) + 
  theme_grey(base_size = 9) + 
  theme(legend.position = "none",
        axis.ticks = element_blank(), 
        axis.text.x = element_text(angle = 330, hjust = 0)) +
  theme(panel.grid.major = element_blank(), panel.grid.minor = element_blank())

请注意alpha=rescale的使用，然后使用scale_alpha(range=c(0,1))缩放alpha范围，可以根据您的情节适当更改范围。