使用scale_fill_manual重新创建scale_fill_brewer

Question

我正在尝试了解包scale_fill_brewer的{​​{1}}和scale_fill_manual之间的关联。

首先，生成一个填充颜色的ggplot：

ggplot2

现在，使用library(ggplot2) p <- ggplot(data = mtcars, aes(x = mpg, y = wt, group = cyl, fill = factor(cyl))) + geom_area(position = 'stack') # apply ready-made palette with scale_fill_brewer from ggplot2 p + scale_fill_brewer(palette = "Blues")

进行复制

scale_fill_manual

其中3是数据中的填充颜色数。为方便起见，我使用了包library(RColorBrewer) p + scale_fill_manual(values = brewer.pal(3, "Blues")) 的{​​{1}}函数。

据我了解，brewer.pal的便利性在于它会自动计算数据中唯一级别的数量（本例中为3）。这是我复制的尝试：

RColorBrewer

我的问题是：scale_fill_brewer如何计算数据中的关卡数量？

我有兴趣了解其他p + scale_fill_manual(values = brewer.pal(length(levels(factor(mtcars$cyl))), "Blues")) 可能正在做什么。如果我将更加用户友好的scale_fill_brewer替换为更加扭曲的fill_color_brewer实现（如上所述），我可能会遇到任何困难。

仔细阅读源代码：

fill_color_brewer

我无法看到scale_fill_manual如何计算数据中唯一级别的数量。也许隐藏在scale_fill_brewer function (..., type = "seq", palette = 1) { discrete_scale("fill", "brewer", brewer_pal(type, palette), ...) } ？

中

编辑：函数scale_fill_brewer在哪里接收计算数据中级别数的指令？是在...还是在scale_fill_brewer或其他地方？

"seq"功能错综复杂，我迷路了。以下是其论点：

...

是否有任何计算级别数？

Answer 1

最简单的方法是跟踪它是考虑（1）设置绘图数据结构，以及（2）解析美学。它使用S3，因此分支是隐含的

设置调用序列

1. [scale-brewer.R] scale_fill_brewer(type="seq", palette="Blues")

2. [scale-.R] discrete_scale(...) - 返回表示比例的对象

  structure(list(
    call = match.call(),

    aesthetics = aesthetics,
    scale_name = scale_name,
    palette = palette,

    range = DiscreteRange$new(),        ## this is scales::DiscreteRange 
    ...), , class = c(scale_name, "discrete", "scale"))

解析调用序列

1. [plot-build.R] ggplot_build(plot) - 对于非位置比例，请应用scales_train_df

    # Train and map non-position scales
    npscales <- scales$non_position_scales()       ## scales is plot$scales, S4 type Scales
    if (npscales$n() > 0) {
      lapply(data, scales_train_df, scales = npscales)
      data <- lapply(data, scales_map_df, scales = npscales)
    }

1. [scales-.r] scales_train_df(...) - 再次通过尺度$ scale（列表）进行迭代

2. [scale-.r] scale_train_df(...) - 再次迭代

3. [scale-.r] scale_train(...) - S3泛函

4. [scale-.r] scale_train.discrete(...) - 差不多......

    scale$range$train(x, drop = scale$drop)

1. 但是scale $ range是一个DiscreteRange实例，所以它调用(scales::DiscreteRange$new())$train，它会覆盖scale $ range！

    range <<- train_discrete(x, range, drop)

1. scales:::train_discrete(...) - 再次，差不多......

2. scales:::discrete_range(...) - 仍然没有......

3. scales:::clevels(...) - 就在那里！

到目前为止，scale$range已被因子的级别覆盖。将调用堆栈展开到＃1，我们现在调用scales_map_df

1. [plot-build.R] ggplot_build(plot) - 对于非位置比例，请应用scales_train_df

    # Train and map non-position scales
    npscales <- scales$non_position_scales()       ## scales is plot$scales, S4 type Scales
    if (npscales$n() > 0) {
      lapply(data, scales_train_df, scales = npscales)
      data <- lapply(data, scales_map_df, scales = npscales)
    }

1. [scales-.r] scale_maps_df(...) - 迭代

2. [scale-.r] scale_map_df(...) - iterate

3. [scale-.r] scale_map.discrete - 填充调色板（非位置刻度！）

   scale_map.discrete＆lt; - function（scale，x，limits = scale_limits（scale））{   n＆lt; - sum（！is.na（limits））   pal＆lt; - scale $ palette（n）   ... }