【孙老湿画图系列--第七弹】 颜色设置

绘图是R语言的特色之一，而颜色是传递信息的重要元素。在我们的世界中，一共有三种颜色（红色，蓝色，绿色），并且通过色彩、深浅、明暗变化来组成我们这万千世界。

在R中关于颜色的调控方法很多:

1、可以用palette()获取当前默认颜色：

palette()

black, red, green3, blue, cyan, magenta, yellow, gray

pie(rep(1,8), col=palette(), border = palette(), labels = palette())

2、R中也有预定义的颜色，共有657种颜色，可以用colors()函数获取，在使用、中可以直接指定颜色名称：

colors()

pie(rep(1,657), col=colors(), border = colors(), labels = "")

3、R中还有6种预定义的调色板，传入获取颜色的个数，就获得相应个数的颜色列表，gray()的参数需在[0,1]：

rainbow()、heat.colors()、terrain.colors()、topo.colors()、cm.colors()、gray()

par(mfrow = c(2,3),mai=c(0.1,0.1,0.5,0.1))

pie(rep(1, 12),col = rainbow(12), labels = "", main = "rainbow")

pie(rep(1, 12),col = heat.colors(12), labels = "", main = "heat")

pie(rep(1, 12),col = terrain.colors(12), labels = "", main = "terrain")

pie(rep(1, 12),col = topo.colors(12), labels = "", main = "topo")

pie(rep(1, 12),col = cm.colors(12), labels = "", main = "cm")

pie(rep(1, 12),col = gray(0:12 / 12), labels = "", main = "gray")

4、如果我们对预设的调色板不是很满意，也可以通过colorRamp()和 colorRampPalette()。 colorRamp()返回值和grey()类似，参数为[0,1]之间的数。colorRampPalette()返回的参数则像rainbow()一样，入参为希望返回颜色板色彩的数量：

par(mfrow=c(1,2))

mycolors <-colorRampPalette(c("blue", "red"))(11)

pie(rep(1, 12), col = mycolors, labels ="", main = "colorRampPalette")

mycolors <- colorRamp(c("blue","red"))

mycolors <- mycolors(seq(0, 1, len =10))

pie(rep(1, 12), col = mycolors, labels ="", main = " colorRamp ")

5、另外，也有一些R包，提供了比较好的预定义颜色，比如RColorBrewer包提供了3套很好的配色方案。用户只需要指定配色方案的名称，就可以用包中的brewer.pal()函数生成颜色。这3套配色方案包括：

连续型sequential：生成一系列连续渐变的颜色。

离散型diverging：生成用深色强调两端、浅色标示中部的系列颜色。

分类型qualitative：生成一系列彼此差异比较明显的颜色。

install.packages("RColorBrewer")

library(RColorBrewer)

display.brewer.all()

在ggplot中使用RColorBrewer包中的颜色，通过scale_*_brewer()指定，

library(ggplot2)

mtcars$cyl <- factor(mtcars$cyl)

p <- ggplot(mtcars, aes(disp, qsec, col= cyl)) +

   geom_point(size = 2) +

   theme_bw() +

   scale_color_brewer(palette = "Set1") +

   theme(axis.title = element_text(size = 16),

         axis.text = element_text(size = 14))

p

本系列课程主要侧重于讲解图形原理，以及在R中的实现过程，并没有特意追求美观，故很多图的细节部分修饰有限，大家重点理解实现过程。

扫码关注，获取更多精彩内容

我

是

彩

蛋

关注公众号后：

回复文字：好好学习，收听喜马拉雅FM电台栏目《一分钟听懂NGS基础概念》，让生信分析不再遥不可及。

回复文字：果然科学，给你看另一篇好玩的文章。