ggplot2中实现点线图边缘颜色与填充色独立控制的方法
2025-06-02 12:51:32作者:范垣楠Rhoda
在数据可视化中,我们经常需要同时展示线条和点标记,并且希望点标记的填充色和边缘色能够独立控制。本文将介绍在ggplot2中实现这一效果的几种方法。
基本实现方法
最直接的方法是使用分层绘制的策略,通过叠加多个几何对象来实现:
library(tidyverse)
set.seed(165465)
# 创建示例数据
data <- tibble(
lat = 38:46,
tot = 20 + runif(9),
week = 10 + runif(9, min = 0, max = 5)
)
# 整理数据为长格式
data_tidy <- data |>
pivot_longer(cols = !lat, names_to = 'class', values_to = 'value')
# 绘制图形
ggplot(data = data_tidy, aes(x = value, y = lat)) +
# 绘制线条,颜色由class决定
geom_line(aes(color = class), orientation = 'y', linewidth = 1.5) +
# 第一层点:只显示填充色,边缘透明
geom_point(aes(fill = class), color = "transparent", size = 4, shape = 21) +
# 第二层点:只显示边缘色,填充透明
geom_point(aes(color = class), fill = "transparent", size = 4, shape = 21) +
# 设置颜色和填充的映射
scale_color_manual(values = c('red', 'blue')) +
scale_fill_manual(values = c('yellow', 'green'))
这种方法通过叠加三个几何层实现:
- 第一层绘制线条,使用颜色映射
- 第二层绘制点标记,只显示填充色
- 第三层绘制相同点标记,只显示边缘色
使用ggnewscale扩展包
当需要更复杂的颜色映射时,可以使用ggnewscale包来实现多个独立的颜色标度:
library(ggnewscale)
ggplot(data = data_tidy, aes(x = value, y = lat)) +
# 第一组颜色标度:用于线条
geom_line(aes(color = class), orientation = 'y', linewidth = 1.5) +
scale_color_manual(values = c('red', 'blue')) +
# 开始新的颜色标度:用于点标记
new_scale_color() +
# 绘制点标记,使用新的颜色标度
geom_point(aes(color = class, fill = class), size = 4, shape = 21) +
scale_color_manual(values = c('darkred', 'darkblue')) +
scale_fill_manual(values = c('yellow', 'green'))
这种方法允许我们为线条和点标记分别设置完全独立的颜色映射系统,提供了更大的灵活性。
实际应用建议
在实际应用中,选择哪种方法取决于具体需求:
- 如果只是需要简单的边缘色和填充色差异,第一种叠加方法更简单直接
- 如果需要完全独立的颜色映射系统,或者需要添加图例说明,第二种ggnewscale方法更合适
- 对于形状21(带边缘的圆点),记住color控制边缘,fill控制填充
通过合理组合这些技术,可以在ggplot2中创建出高度定制化的点线组合图,满足各种数据可视化的需求。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210