ggplot2 | 如何对连续型变量使用离散型调色板进行配色

在7月份，本号推出了一个关于R语言配色方法的系列推文，其中第III节介绍了ggplot2工具包的配色方法——颜色标度函数

在这篇推文中，小编介绍了针对两种变量类型的三种颜色标度函数，即

• 离散型变量：离散型标度

• 连续型变量：连续型标度、分箱型标度

其中，离散型标度是把等数目的颜色依次赋值给离散变量的各个类别，连续型标度则由用户先指定颜色的极端值（和中间值），然后再由工具包通过计算来生成连续的颜色带。

分箱型标度虽然相当于将连续型变量转化为离散型变量，但其配色思想还是类似于连续型标度，即先由用户指定颜色的极端值（和中间值），再由工具包计算其余的颜色类别，以构成具有过渡特征的离散颜色带。

这种配色方法虽然方便，但缺点是用户不能够灵活地控制所生成的颜色带，尤其对缺乏色彩知识的用户来说，由于难以准确预判生产的颜色效果而很大可能会对结果不满意。

library(ggplot2)
library(patchwork)
set.seed(20211001)
df <- data.frame(x = 1:40, y = rnorm(40))
p <- ggplot(df, aes(x, y, color = y)) + 
  geom_point(size = 2) + 
  labs(x = NULL, y = NULL)
p1 <- p + scale_color_steps(low = "blue", high = "red")
p2 <- p + scale_color_steps(low = "blue", high = "red",
                            breaks = c(-Inf, -1, 1, Inf))
p1 + p2

上面就是一个使用分箱型标度函数的案例，相对于左图，右图通过调用breaks参数实现了自定义分箱的数目，但颜色选取还是比较受限制。

与之相反的是，离散型标度虽然看起来比较繁琐，但其优点恰恰是灵活，用户日常中可以积累一些好看的颜色组合，在使用时再进行手动赋值；再者，grDevices、RColorBrewer等工具包还提供了大量的离散调色板，用户觉得满意就可以直接调用。

可惜的是，在ggplot2中，对连续型变量并不能调用离散型标度函数，否则会报错。如下例：

p + scale_color_brewer()
## 错误: Continuous value supplied to discrete scale

对于一些具有分类特征的变量，可以使用factor()函数直接将其转为离散型变量（即因子变量），但这种方法并不通用。下面小编就介绍一种通用的方法，使用的函数是scale_colour_stepsn()。

scale_colour_stepsn()函数是分箱标度函数scale_colour_steps()的拓展版，其可以为颜色带指定若干个临界值（极端值+中间值）。基本思路如下：

• 先通过n.breaks或breaks参数确定分箱的数目；

• 再通过colors或colours参数指定等量的颜色临界值，在指定临界值时可以调用离散调色板。

p + 
  scale_color_stepsn(n.breaks = 3,
    colors = grey.colors(4))

library(RColorBrewer)
p + 
  scale_color_stepsn(breaks = c(-1.5, 0, 1.5),
    colors = brewer.pal(4, "Dark2"))

最后祝大家假期愉快！