1)scale_color_manual 最常用的调整颜色的一个函数是 scale_color_manual,可以按照自己的想法任意配色。 p <- ggplot(data=mtcars, aes(x=mpg, y=disp, color=factor(cyl))) + geom_point() p 上图使用的是默认配色,如果想要换成自己想要的配色,就可以用 scale_color_manual 函数指定,比如: p + scale_...
p+scale_color_manual(values=cols,aesthetics="colour") 可以看到线条颜色为我们指定的颜色。 当我们指定了颜色,但aesthetics = "fill"时,选择的颜色不会生效,如: scale_color_manual(values = cols,aesthetics = "fill") 这样颜色指定我们就完成了,我们就可以根据自己的目的自定义给图形的类别上色。到现在为止总...
scale_color_manual(values=c("a"="red", "b"="blue", "c"="black")) 1. 2. 修改后的图片如下: 类似的函数还有scale_fill_manual,scale_size_manual,scale_shape_manual,scale_linetype_manual,scale_alpha_manual,scale_discrete_manual等。以scale_fill_manual函数为例,从其名字上就可以看出,该函数可...
scale_color_manual()函数采取的是手动赋值的方法,也就是直接把颜色序列赋值给它的参数value。 p41 <- p01+ scale_fill_manual(values = c("sienna1", "sienna4", "hotpink1", "hotpink4")) p42 <- p01 + scale_fill_manual(values = c("tomato1", "tomato2", "tomato3", "tomato4")) p41 ...
data(Salaries,package="car")ggplot(data=Salaries, aes(x=yrs.since.phd, y=salary, color=rank)) +scale_color_manual(values=c("orange","olivedrab","navy")) +geom_point(size=2) 图19-20 薪水与助理教授、副教授、教授经验对比的散点图 ...
在上面的代码中,我们首先加载了ggplot2库,然后创建了一个示例数据集data,包含了x、y坐标和group类别。接着使用ggplot函数创建了一个散点图,指定了x、y坐标以及颜色按照group来区分。最后通过`scale_color_manual()`函数设置了颜色的种类和对应的颜色值,并通过`theme()`函数设置了色条显示在图表的下方。
scale_color_discrete()离散数据的颜色映射 scale_color_manual()可以自定义离散数据的颜色映射 由于我们的点图中是使用Species映射到颜色上,所以这里以离散数据的颜色映射函数为例子: 这样我们就修改了从离散型变量Species到点的颜色间的映射关系。 对于连续型的数据,可以看以下的例子: ...
scale_color_manual(values= c("indianred3", "cornflowerblue")) + facet_wrap(~sector) + labs(title ="Relationship between wages and experience", subtitle ="Current Population Survey", caption ="source: http://mosaic-web.org/", x="Years of Experience", ...
geom_point(aes(x=service,y=-10,color=year,fill=year),size=4)+ geom_text(aes(service,share+1,label=paste0(share,"%"),group=year), position=position_dodge(width=0.9),size=3)+ scale_fill_manual(values=c(`2020` ="red3", `2021` ="black")) + ...
scale_color_manual(values = c("red", "blue")) 效果分析 在这个示例中,我们使用了两组数据,通过调整线型、颜色和粗细,成功地区分了这两组数据,并通过视觉效果强调了它们的不同。 通过学习调整R语言中ggplot2折线图的线型、颜色及粗细,可以大大增强数据的可视化表达力。这些技巧在实际数据分析和展示中非常有用...