如何为ggplot2中具有稳定映射的分类变量赋值？

Question

上个月我一直在加快速度。

这是我的问题：

在ggplot2中为具有稳定映射的分类变量分配颜色有什么好方法？我需要在一组图表中具有一致的颜色，这些图表具有不同的子集和不同数量的分类变量。

例如，

plot1 <- ggplot(data, aes(xData, yData,color=categoricaldData)) + geom_line()

其中categoricalData有5个级别。

然后

plot2 <- ggplot(data.subset, aes(xData.subset, yData.subset, 
                                 color=categoricaldData.subset)) + geom_line()

其中categoricalData.subset有3个级别。

然而，两组中的特定级别最终会有不同的颜色，这使得更难以一起阅读图形。

我是否需要在数据框中创建颜色矢量？或者是否有另一种方法可以为类别指定特定的颜色？

Answer 1

对于像OP中的确切示例这样的简单情况，我同意Thierry的答案是最好的。但是，我认为指出另一种方法变得更容易，当您尝试在多个数据帧之间保持一致的颜色方案时，不都是通过对单个大数据帧进行子集化而获得的。如果从单独的文件中提取多个数据框中的因子级别，并且并非所有因子级别都显示在每个文件中，则可能会变得单调乏味。

解决此问题的一种方法是创建自定义手动色标，如下所示：

#Some test data
dat <- data.frame(x=runif(10),y=runif(10),
        grp = rep(LETTERS[1:5],each = 2),stringsAsFactors = TRUE)

#Create a custom color scale
library(RColorBrewer)
myColors <- brewer.pal(5,"Set1")
names(myColors) <- levels(dat$grp)
colScale <- scale_colour_manual(name = "grp",values = myColors)

然后根据需要将色标添加到图上：

#One plot with all the data
p <- ggplot(dat,aes(x,y,colour = grp)) + geom_point()
p1 <- p + colScale

#A second plot with only four of the levels
p2 <- p %+% droplevels(subset(dat[4:10,])) + colScale

第一张情节如下：

，第二个情节看起来像这样：

这样，您无需记住或检查每个数据框，以确定它们具有适当的级别。

Answer 2

malcook his comment中answer指出的情况与此相同：不幸的是Thierry malcook与ggplot2版本0.9.3.1不兼容。

png("figure_%d.png")
set.seed(2014)
library(ggplot2)
dataset <- data.frame(category = rep(LETTERS[1:5], 100),
    x = rnorm(500, mean = rep(1:5, 100)),
    y = rnorm(500, mean = rep(1:5, 100)))
dataset$fCategory <- factor(dataset$category)
subdata <- subset(dataset, category %in% c("A", "D", "E"))

ggplot(dataset, aes(x = x, y = y, colour = fCategory)) + geom_point()
ggplot(subdata, aes(x = x, y = y, colour = fCategory)) + geom_point()

这是第一个数字：

和第二个数字：

我们可以看到颜色不会保持固定，例如E从品红色切换到蓝色。

根据his comment中的hadley和his comment中的{{3}}的建议，使用limits的代码正常运行：

ggplot(subdata, aes(x = x, y = y, colour = fCategory)) +       
    geom_point() + 
    scale_colour_discrete(drop=TRUE,
        limits = levels(dataset$fCategory))

给出了下图，这是正确的：

这是sessionInfo()的输出：

R version 3.0.2 (2013-09-25)
Platform: x86_64-pc-linux-gnu (64-bit)

locale:
 [1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C              
 [3] LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8    
 [5] LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8   
 [7] LC_PAPER=en_US.UTF-8       LC_NAME=C                 
 [9] LC_ADDRESS=C               LC_TELEPHONE=C            
[11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C       

attached base packages:
[1] methods   stats     graphics  grDevices utils     datasets  base     

other attached packages:
[1] ggplot2_0.9.3.1

loaded via a namespace (and not attached):
 [1] colorspace_1.2-4   dichromat_2.0-0    digest_0.6.4       grid_3.0.2        
 [5] gtable_0.1.2       labeling_0.2       MASS_7.3-29        munsell_0.4.2     
 [9] plyr_1.8           proto_0.3-10       RColorBrewer_1.0-5 reshape2_1.2.2    
[13] scales_0.2.3       stringr_0.6.2 

Answer 3

最简单的解决方案是将分类变量转换为子集之前的因子。底线是你需要一个在所有子集中具有完全相同级别的因子变量。

library(ggplot2)
dataset <- data.frame(category = rep(LETTERS[1:5], 100), 
    x = rnorm(500, mean = rep(1:5, 100)), y = rnorm(500, mean = rep(1:5, 100)))
dataset$fCategory <- factor(dataset$category)
subdata <- subset(dataset, category %in% c("A", "D", "E"))

使用字符变量

ggplot(dataset, aes(x = x, y = y, colour = category)) + geom_point()
ggplot(subdata, aes(x = x, y = y, colour = category)) + geom_point()

使用因子变量

ggplot(dataset, aes(x = x, y = y, colour = fCategory)) + geom_point()
ggplot(subdata, aes(x = x, y = y, colour = fCategory)) + geom_point()

Answer 4

根据joran非常有用的答案，我能够为布尔因子（TRUE，FALSE）提供稳定色标的解决方案。

boolColors <- as.character(c("TRUE"="#5aae61", "FALSE"="#7b3294"))
boolScale <- scale_colour_manual(name="myboolean", values=boolColors)

ggplot(myDataFrame, aes(date, duration)) + 
  geom_point(aes(colour = myboolean)) +
  boolScale

由于ColorBrewer对二进制色标没有多大帮助，因此需要手动定义所需的两种颜色。

此处myboolean是myDataFrame中保留TRUE / FALSE因子的列的名称。 date和duration是在此示例中要映射到绘图的x和y轴的列名。

Answer 5

这是一篇旧帖子，但我一直在寻找这个问题的答案，

为什么不尝试这样的事情：

scale_color_manual(values = c("foo" = "#999999", "bar" = "#E69F00"))

如果您有明确的价值观，我就不明白为什么这不应该有效。