R语言数据可视化——图形色彩设计

图形颜色的选择对我们最终图形呈现的效果影响很大，我们需要用到的图形配色也跟随着图形出现的场合而变化，这篇文章整理了前辈们制作的在ggplot包绘制图形时，常常使用的配色包，供大家在不同场合下选择合适的配色。

主题颜色代码包

在这里，主要介绍4个常用的调色包：RColorBrewer、ggthmr、ggsci、ggthemes，这些包有一些已经生成好的色条或者主题供我们选择使用。

首先，加载好我们需要用到的R包和数据：

library(RColorBrewer)
library(scales)
library(readxl)
library(ggplot2)
library(ggthemes)
library(ggsci)
library(ggtech)
library(dplyr)
library(viridis)
library(jtools)
library(wesanderson)
library(gridExtra)
setwd("/Users/apple/Desktop/ggplot 可视化")
movie=read.csv("清洗后数据.csv")
happy=read.csv("2019.csv")
college=read.csv("college.csv")
a<-filter(movie,release_date == 'SummerVacation')
df1 <- as.data.frame(table(a$content_rating))
b<-filter(movie,release_date == 'Christmas')
df2 <- as.data.frame(table(b$content_rating))
c<-filter(movie,release_date == 'Easter')
df3 <- as.data.frame(table(c$content_rating))
d<-filter(movie,release_date == 'Other')
df4 <- as.data.frame(table(d$content_rating))
DF<-rbind(df1,df2,df3,df4)
DF$release_date<-c('SummerVacation','SummerVacation','SummerVacation','SummerVacation','SummerVacation','Christmas','Christmas','Christmas','Christmas','Christmas','Easter','Easter','Easter','Easter','Easter','Other','Other','Other','Other','Other')

常用的配色包

RColorBrewer

RColorBrewer是较为常用的调整颜色的R包

色块展示

(1)连续型Sequential，生成渐变颜色的色条,可以在热图等图形中使用。
(2)极端型Diverging，生成深色强调两端、浅色表示中部的颜色，可用来标注数据中的离群点。
(3)离散型Qualitative，生成彼此差异明显的颜色，通常用来标记分类数据。

display.brewer.all(type = "all")

截取色条色块

display.brewer.pal(3, "Set1")

图形绘制

stacked=ggplot(movie,aes(imdb_score,fill=release_date))+geom_histogram(position = "stack",binwidth =.5,alpha=.9,color="black")+theme_minimal()+labs(title = "Stacked Histogram")
pie=ggplot(DF, aes(x="", y=Freq, group=Var1, color=Var1, fill=Var1)) +geom_bar(stat="identity",width=1,position = position_fill()) + coord_polar("y", start=0)+ facet_wrap(~ release_date)+     ##通过release_date分面展示labs(x = "", y = "", title ="Movie content rating") + theme_minimal()+ theme(axis.ticks = element_blank())+theme(legend.title = element_blank())+ theme(legend.position = "top")+theme(axis.text.x = element_blank())point=ggplot(iris,aes(Sepal.Length,Sepal.Width),Species)+geom_point(aes(color = Species)) +theme_minimal()+theme(legend.position = "right")+ggtitle("point plot")
box=ggplot(diamonds,aes(cut,price,fill=color))+geom_boxplot()+ggtitle("Box Plot")+theme_minimal()+guides(fill=guide_legend(title=NULL)) box_brew=box+scale_fill_manual(values =colorRampPalette(brewer.pal(9,"Set1"))(7))
point_brew=point+scale_color_manual(values =colorRampPalette(brewer.pal(9,"Set1"))(5))
pie_brew=pie+scale_color_manual(values =colorRampPalette(brewer.pal(9,"Set1"))(5))
stacked_brew=stacked+scale_fill_manual(values =colorRampPalette(brewer.pal(11,"Paired"))(4))grid.arrange(box_brew,stacked_brew,point_brew,pie_brew,ncol=2)

这里颜色代表的都是分类数据，故选择的离散型色条代表其不同颜色的分类。

viridis

viridis包能够生成一系列连续型色条，比较适用于绘制热图等图形的颜色填充。


k <- ggplot(college, aes(tuition,faculty_salary_avg))
hexplot <- k + geom_hex()+facet_grid("control")+        #分面scale_fill_viridis()+         #颜色设定          labs(title="Hex histogram")+theme_bw()+theme(plot.title = element_text(hjust = 0.5))m=ggplot(heatmap, aes(x = X2, y = X1, fill = value)) +geom_tile() + scale_fill_viridis() + scale_x_discrete(expand = c(0, 0)) +scale_y_discrete(expand = c(0, 0)) + coord_equal()+  labs(title="Heat plot")grid.arrange(hexplot,m,ncol=2)

通过颜色的深浅，来表示数值的大小和密度分布。

wesanderson

这个包中包含16种色条颜色，他们都是从Wes Anderson的电影里面选取的颜色。

names(wes_palettes)
wes_palette("FantasticFox1")       #查看色板
wes_palette("Cavalcanti1",3)

#离散型stacked_wes=stacked+scale_fill_manual(values=wes_palette(n=4, name="Zissou1"))#连续型
pal <- wes_palette("Zissou1", 100, type = "continuous")
heat=ggplot(heatmap, aes(x = X2, y = X1, fill = value)) +geom_tile() + scale_fill_gradientn(colours = pal) + scale_x_discrete(expand = c(0, 0)) +scale_y_discrete(expand = c(0, 0)) +  labs(title = "Heat map")+coord_equal()grid.arrange(stacked_wes,heat,ncol=2)

wesanderson包可以生成连续型颜色也可以生成离散型颜色，只需改变wes_palette（）函数中的type参数便可，type = c(“discrete”, “continuous”)。

学术型配色

ggsci包

Name	Scales	Palette Types	Palette Generator
NPG	scale_color_npg() scale_fill_npg()	“nrc”	pal_npg()
AAAS	scale_color_aaas() scale_fill_aaas()	“default”	pal_aaas()
NEJM	scale_color_nejm() scale_fill_nejm()	“default”	pal_nejm()
Lancet	scale_color_lancet() scale_fill_lancet()	“lanonc”	pal_lancet()
JAMA	scale_color_jama() scale_fill_jama()	“default”	pal_jama()
JCO	scale_color_jco() scale_fill_jco()	“default”	pal_jco()
UCSCGB	scale_color_ucscgb() scale_fill_ucscgb()	“default”	pal_ucscgb()
D3	scale_color_d3() scale_fill_d3()	“category10” “category20” “category20b” “category20c”	pal_d3()
LocusZoom	scale_color_locuszoom() scale_fill_locuszoom()	“default”	pal_locuszoom()
IGV	scale_color_igv() scale_fill_igv()	“default”“alternating”	pal_igv()
UChicago	scale_color_uchicago() scale_fill_uchicago()	“default”“light”“dark”	pal_uchicago()
Star Trek	scale_color_startrek() scale_fill_startrek()	“uniform”	pal_startrek()
Tron Legacy	scale_color_tron() scale_fill_tron()	“legacy”	pal_tron()
Futurama	scale_color_futurama() scale_fill_futurama()	“planetexpress”	pal_futurama()
Rick and Morty	scale_color_rickandmorty() scale_fill_rickandmorty()	“schwifty”	pal_rickandmorty()
The Simpsons	scale_color_simpsons() scale_fill_simpsons()	“springfield”	pal_simpsons()
GSEA	scale_color_gsea() scale_fill_gsea()	“default”	pal_gsea()
Material Design	scale_color_material() scale_fill_material()	“red” “pink”“purple” “deep-purple”“indigo” “blue”“light-blue” “cyan”“teal” “green”“light-green” “lime”“yellow” “amber”“orange” “deep-orange”“brown” “grey”“blue-grey”	pal_material()

ggsci包使用的函数为scale_color_xxx()/scale_fill_xxx(),下面以NEJM杂志和Lancet杂志为例，展示其绘制的图形颜色。

NEJM杂志配色

box_nejm=box+scale_fill_nejm()
point_nejm=point+ scale_color_nejm()
pie_nejm=pie+ scale_fill_nejm()
stacked_nejm=stacked+ scale_fill_nejm()grid.arrange(box_nejm,stacked_nejm,point_nejm,pie_nejm,ncol=2)

Lancet杂志配色

box_nejm=box+scale_fill_lancet()
point_nejm=point+ scale_color_lancet()
pie_nejm=pie+ scale_fill_lancet()
stacked_nejm=stacked+ scale_fill_lancet()grid.arrange(box_nejm,stacked_nejm,point_nejm,pie_nejm,ncol=2)

杂志配色

ggthemes包

ggthemes包使用函数与ggsci相似，使用scale_fill_xxx()，scale_color_xxx()，theme_xxx（）填充颜色，与ggsci包相比，ggthemes可以对其背景主题进行设置。在这里以经济学人和华尔街日报为例，展示其配色。

经济学人配色

box_economist=box+scale_fill_economist()
point_economist=point+ scale_color_economist()
pie_economist=pie+scale_fill_economist()
stacked_economist=stacked+ scale_fill_economist()grid.arrange(box_economist,stacked_economist,point_economist,pie_economist,ncol=2)

经济学人配色采用的是蓝色渐变风。

华尔街日报配色


box_wsj=box+scale_fill_wsj()+ggthemes::theme_wsj(base_size = 8)
point_wsj=point+ scale_color_wsj()+ggthemes::theme_wsj(base_size = 8)
pie_wsj=pie+ scale_fill_wsj()+ggthemes::theme_wsj(base_size = 8)
stacked_wsj=stacked+ scale_fill_wsj()+ggthemes::theme_wsj(base_size = 8)grid.arrange(box_wsj,stacked_wsj,point_wsj,pie_wsj,ncol=1)

ggthemes包中的主题例如华尔街日报等风格鲜明，但适用范围较为局限。

ggthemr包

ggthemr包是在ggplot2基础上的一个拓展包，可以在全局上更改图形的主题，不需要更改已有的图形代码。
目前可供选择的palette有:flat/flatdark/camoflauge/chalk/copper/dust/earth/fresh/grape/grass/greyscale/light/lilac/pale/sea/sky/solarized。各个模式绘图效果详见：https://github.com/cttobin/ggthemr#installation

library(ggthemr)
ggthemr_reset()
ggthemr('pale',layout = 'scientific',           #网格线、轴线等布局spacing = 1,                     #图形中的留白值type = 'inner')                  #应用于画图区域grid.arrange(box,stacked,point,pie,ncol=2)

ggThemeAssist包——交互化图形参数调整

ggThemeAssist包可以交互式调整图形各个参数并自动生成代码。在使用该包时，需要先加载shiny包。运行完图形后，选择addins中的ggplot Theme Assist便可以交互式调整图形各个参数，并自动生成代码。

library("shiny")
library("ggThemeAssist")
k=ggplot(diamonds,aes(cut,price,fill=color))+geom_boxplot()

总体而言，简洁的背景配上合适的颜色较为美观，反而那些花里胡哨的theme设置适用范围会较局限。

在线配色工具

color brewer

color brewer (https://colorbrewer2.org/#type=sequential&scheme=BuGn&n=3)
是一个强大的配色工具，同时本身也是一个绘图系统，拥有很多配色模板，RColorBrewer包中的色条便是从该配色工具中取出，可配合其他可视化工具使用。

Data Color Picker

https://learnui.design/tools/data-color-picker.html
用于生成两种颜色的渐变，可以自由选择需要多少种颜色过渡。

Viz Palette

https://projects.susielu.com/viz-palette
对不能很好分辨颜色的朋友而言，这是款非常友好的调色工具。

色盲模拟器

https://www.color-blindness.com/coblis-color-blindness-simulator/

Chroma.js Color Palette Helper

NIPPON COLORS

https://nipponcolors.com/#kokiake
在这个网站中提供了很多好看的单色

参考文献：How to Choose Colors for Your Data Visualizations