最近一个月我一直在学习R语言。
这是我的问题：
在ggplot2中，有什么好的方法可以为分类变量分配颜色，并且保持稳定的映射关系？我需要在一组具有不同子集和不同数量分类变量的图表中使用一致的颜色。
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()
其中有3个级别。
然而，两个集合中都存在的特定级别将以不同的颜色显示，这使得一起阅读图表更加困难。
我需要在数据帧中创建一个颜色向量吗？还是有其他方法为类别分配特定的颜色？
对于像OP中给出的简单情况，我认为Thierry的答案是最好的。不过，我认为指出另一种方法也很有用，特别是当您尝试在多个数据框上维护一致的颜色方案时，这些数据框并非全部都是从单个大型数据框中进行子集选择得到的。如果来自不同文件的多个数据框的因子级别需要管理，而且不是每个文件中都包含所有因子级别，则可能变得繁琐。
解决这个问题的一种方法是创建一个自定义手动颜色比例尺，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$grp)
colScale <- scale_colour_manual(name = "grp",values = myColors)
然后根据需要将颜色比例尺添加到图表中：
#One plot with all the data
p <- ggplot(dat,aes(x,y,colour = grp)) + geom_point()
p1 <- p + colScale
#A second plot with only four of the levels
p2 <- p %+% droplevels(subset(dat[4:10,])) + colScale
第一个图看起来是这样的：
而第二个图看起来是这样的：
这样你就不需要记住或检查每个数据框以查看它们是否具有适当的级别。
我和malcook在他的评论中指出的情况相同：不幸的是，Thierry提供的答案在ggplot2版本0.9.3.1中无法使用。
png("figure_%d.png")
set.seed(2014)
library(ggplot2)
dataset <- data.frame(category = rep(LETTERS[1:5], 100),
x = rnorm(500, mean = rep(1:5, 100)),
y = rnorm(500, mean = rep(1:5, 100)))
dataset$fCategory <- factor(dataset$category)
subdata <- subset(dataset, category %in% c("A", "D", "E"))
ggplot(dataset, aes(x = x, y = y, colour = fCategory)) + geom_point()
ggplot(subdata, aes(x = x, y = y, colour = fCategory)) + geom_point()
这是第一个图：
和第二个数字：
limits的代码可以正常工作：ggplot(subdata, aes(x = x, y = y, colour = fCategory)) +
geom_point() +
scale_colour_discrete(drop=TRUE,
limits = levels(dataset$fCategory))
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
这是一篇旧文章，但我正在寻找答案，与此相同的问题，
为什么不尝试类似这样的东西：
scale_color_manual(values = c("foo" = "#999999", "bar" = "#E69F00"))
myColors <- brewer.pal(5,"Set1"); names(myColors) <- levels(dat$grp)来避免手动编码水平级别。 - AxemanTRUE，FALSE）的稳定色标。boolColors <- as.character(c("TRUE"="#5aae61", "FALSE"="#7b3294"))
boolScale <- scale_colour_manual(name="myboolean", values=boolColors)
ggplot(myDataFrame, aes(date, duration)) +
geom_point(aes(colour = myboolean)) +
boolScale
由于ColorBrewer在二元色标尺方面并不十分有用，因此需要手动定义所需的两种颜色。
这里myboolean是myDataFrame中包含TRUE/FALSE变量的列名。 date和duration是本示例中要映射到图表的x轴和y轴的列名。
最简单的解决方案是在进行子集操作之前将您的分类变量转换为因子变量。最重要的是，您需要一个因子变量，在所有子集中具有完全相同的水平。
library(ggplot2)
dataset <- data.frame(category = rep(LETTERS[1:5], 100),
x = rnorm(500, mean = rep(1:5, 100)), y = rnorm(500, mean = rep(1:5, 100)))
dataset$fCategory <- factor(dataset$category)
subdata <- subset(dataset, category %in% c("A", "D", "E"))
使用一个字符变量
ggplot(dataset, aes(x = x, y = y, colour = category)) + geom_point()
ggplot(subdata, aes(x = x, y = y, colour = category)) + geom_point()
使用因子变量
ggplot(dataset, aes(x = x, y = y, colour = fCategory)) + geom_point()
ggplot(subdata, aes(x = x, y = y, colour = fCategory)) + geom_point()
+ scale_colour_discrete(drop=TRUE,limits = levels(dataset$fCategory)) 来保留颜色|因子关联，这个方法有效，但是，在我的手中，drop=TRUE 没有被遵守 (我期望它从图例中删除级别)。糟糕...还是我的问题？ - malcook
fillScale <- scale_fill_manual(name = "grp",values = myColors)以在条形图中使用它。 - pentandrous