ggplot2图形设计：色彩运用全攻略

本文基于rstudio-conf-2022/ggplot2-graphic-design项目中关于色彩运用的内容，将全面介绍如何在ggplot2中有效使用色彩来提升数据可视化效果。

准备工作

在开始之前，我们需要加载必要的R包和数据集：

library(tidyverse)

bikes <- readr::read_csv("london-bikes-custom.csv", 
                        col_types = "Dcfffilllddddc")

bikes$season <- forcats::fct_inorder(bikes$season)

theme_set(theme_light(base_size = 14, base_family = "Roboto Condensed"))

预定义调色板

ggplot2提供了多种预定义调色板，让我们能够快速创建美观的图表。

Viridis调色板

Viridis调色板是专为数据可视化设计的，具有以下特点：

• 色彩感知均匀
• 对色盲友好
• 黑白打印时仍能区分

ggplot(bikes, aes(x = day_night, y = count, fill = season)) +
  geom_boxplot() +
  scale_fill_viridis_d(option = "plasma", begin = .3)

option参数可以选择不同风格的Viridis调色板：

• "viridis" (默认)
• "plasma"
• "magma"
• "inferno"
• "cividis"

Brewer调色板

RColorBrewer提供了多种精心设计的调色板：

ggplot(bikes, aes(x = day_night, y = count, fill = season)) +
  geom_boxplot() +
  scale_fill_brewer(palette = "Set1")

Brewer调色板分为三类：

1. 顺序调色板(Sequential)：适合有序数据
2. 发散调色板(Diverging)：适合有中间值的数据
3. 定性调色板(Qualitative)：适合分类数据

第三方调色板扩展

除了内置调色板，还有许多优秀的第三方调色板扩展包。

rcartocolor

提供CARTO设计的调色板，对色盲友好：

library(rcartocolor)
ggplot(bikes, aes(x = day_night, y = count, fill = season)) +
  geom_boxplot() +
  rcartocolor::scale_fill_carto_d(palette = "Vivid")

scico

基于科学可视化研究的调色板：

library(scico)
ggplot(bikes, aes(x = day_night, y = count, fill = season)) +
  geom_boxplot() +
  scico::scale_fill_scico_d(palette = "hawaii")

MetBrewer

受著名艺术作品启发的调色板：

library(MetBrewer)
ggplot(bikes, aes(x = day_night, y = count, fill = season)) +
  geom_boxplot() +
  MetBrewer::scale_fill_met_d(name = "Klimt")

自定义调色板

修改现有调色板

我们可以提取调色板中的特定颜色或调整亮度：

library(rcartocolor)
carto_custom <- carto_pal(name = "Vivid", n = 6)[c(1, 3:5)]

ggplot(bikes, aes(x = day_night, y = count, fill = season)) +
  geom_boxplot() +
  scale_fill_manual(values = carto_custom)

使用after_scale可以在绘图后动态调整颜色：

ggplot(bikes, aes(x = day_night, y = count)) +
  geom_boxplot(
    aes(fill = season,
        fill = after_scale(lighten(fill, .8)))
  ) +
  scale_fill_manual(values = carto_custom)

创建渐变调色板

ggplot2提供了多种创建渐变调色板的方法：

1. 简单双色渐变：

scale_color_gradient(low = "#28A87D", high = "#FFD166")

2. 三色发散渐变：

scale_color_gradient2(low = "#663399", high = "#993334", mid = "grey95")

3. 多色自定义渐变：

scale_color_gradientn(colors = carto_custom)

创建自定义scale函数

我们可以封装自己的调色板为scale函数，方便重复使用：

# 定义颜色集
dubois_colors <- function(...) {
  dubois_cols <- c(
    `black`    = "#000000",
    `purple`   = "#582f6c",
    `violet`   = "#94679C",
    `pink`     = "#ef849f",
    `softred`  = "#f4b7a7",
    `iceblue`  = "#bccbf3",
    `palegrey` = "#e4e4e4"
  )
  cols <- c(...)
  if (is.null(cols)) return(dubois_cols)
  dubois_cols[cols]
}

# 创建调色板函数
dubois_pal_d <- function(palette = "default", reverse = FALSE) {
  function(n) {
    if(n > 5) stop('Palettes only contains 5 colors')
    if (palette == "default") { pal <- dubois_colors("black", "violet", "softred", "iceblue", "palegrey")[1:n] }
    pal <- unname(pal)
    if (reverse) rev(pal) else pal
  }
}

# 创建scale函数
scale_fill_dubois_d <- function(palette = "default", reverse = FALSE, ...) {
  pal <- dubois_pal_d(palette = palette, reverse = reverse)
  ggplot2::discrete_scale("fill", paste0("dubois_", palette), palette = pal, ...)
}

使用自定义scale函数：

ggplot(bikes, aes(x = day_night, y = count, fill = season)) +
  geom_boxplot() +
  scale_fill_dubois_d()

色彩无障碍设计

在设计调色板时，应考虑色盲用户的体验：

# 模拟色盲视图
deut <- colorspace::deutan(viridis::turbo(n = 100, direction = -1))

ggplot(bikes, aes(x = temp_feel, y = count, color = temp_feel)) +
  geom_point() +
  scale_color_gradientn(colors = deut)

许多调色板包(如rcartocolor、MetBrewer)都提供了色盲友好的选项。

总结

本文介绍了ggplot2中丰富的色彩运用方法，包括：

1. 使用内置和第三方调色板
2. 自定义和修改现有调色板
3. 创建渐变调色板
4. 封装自定义scale函数
5. 色彩无障碍设计

合理运用色彩可以显著提升数据可视化的表现力和信息传达效果。建议在实际项目中多尝试不同的调色方案，并考虑最终用户的可视化体验。