ggstatsplot项目中手动设置颜色在ggbetweenstats函数中的正确用法
2025-07-04 03:51:33作者:殷蕙予
在使用ggstatsplot包进行数据可视化时,自定义图表颜色是一个常见的需求。本文重点探讨如何在ggbetweenstats函数中正确设置自定义颜色,并解释其与ggbarstats函数在颜色设置上的差异。
问题背景
许多用户在使用ggstatsplot包时,会尝试通过scale_fill_manual函数来自定义图表颜色。然而,当在ggbetweenstats和ggbarstats这两个不同的绘图函数中使用相同的颜色设置方法时,结果却不同。
核心差异
ggbarstats和ggbetweenstats虽然都来自ggstatsplot包,但它们基于不同的ggplot2几何对象:
- ggbarstats:创建的是条形图(bar plot),使用
fill美学属性来区分不同组别的颜色 - ggbetweenstats:创建的是箱线图或小提琴图等,使用
color美学属性来区分不同组别的颜色
正确使用方法
对于ggbetweenstats函数,应该使用scale_color_manual而非scale_fill_manual来设置颜色:
library(ggstatsplot)
library(ggplot2)
# 正确的颜色设置方法
ggbetweenstats(mtcars, am, cyl, results.subtitle = FALSE) +
scale_color_manual(values = c("#E7298A", "#66A61E"))
深入理解
-
美学映射差异:
- 条形图主要使用填充色(fill)来区分不同类别
- 箱线图/小提琴图则使用边框色(color)来区分不同类别
-
错误提示: 当使用错误的scale函数时,R会提示"Scale for colour is already present",表明系统已经使用了color美学,需要相应的scale函数来修改
-
同时修改fill和color: 如果需要同时修改填充色和边框色,可以使用:
ggbetweenstats(...) + scale_color_manual(values = c(...)) + scale_fill_manual(values = c(...))
最佳实践建议
- 在使用任何ggstatsplot函数前,先查看函数生成的图表类型
- 使用
ggplot_build函数检查图表的美学映射 - 当颜色设置不生效时,尝试交替使用color和fill相关的scale函数
通过理解不同图表类型的美学映射差异,用户可以更准确地自定义ggstatsplot生成的图表样式,获得理想的数据可视化效果。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0186
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0112
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java03
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
759
4.94 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
854
1.91 K
deepin linux kernel
C
32
16
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
674
1.32 K
Ascend Extension for PyTorch
Python
716
866
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.78 K
186
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
454
436
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++
1.07 K
1.09 K
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
991
598
暂无简介
Dart
1 K
259