Wie ordne ich kategorialen Variablen in ggplot2 Farben zu, die eine stabile Zuordnung haben?

Ich habe mich im letzten Monat mit R vertraut gemacht.

Hier ist meine Frage:

Was ist eine gute Möglichkeit, kategorialen Variablen in ggplot2 Farben zuzuweisen, die eine stabile Zuordnung haben? Ich benötige konsistente Farben für eine Reihe von Diagrammen mit unterschiedlichen Teilmengen und unterschiedlicher Anzahl kategorialer Variablen.

Beispielsweise,

plot1 <- ggplot(data, aes(xData, yData,color=categoricaldData)) + geom_line()

wo categoricalDatahat 5 Ebenen.

Und dann

plot2 <- ggplot(data.subset, aes(xData.subset, yData.subset, 
                                 color=categoricaldData.subset)) + geom_line()

wo categoricalData.subsethat 3 Ebenen.

Eine bestimmte Ebene in beiden Sätzen hat jedoch eine andere Farbe, was das gemeinsame Lesen der Diagramme erschwert.

Muss ich im Datenrahmen einen Farbvektor erstellen? Oder gibt es eine andere Möglichkeit, Kategorien bestimmte Farben zuzuweisen?

Für einfache Situationen wie das genaue Beispiel im OP stimme ich zu, dass Thierrys Antwort die beste ist. Ich halte es jedoch für nützlich, auf einen anderen Ansatz hinzuweisen, der einfacher wird, wenn Sie versuchen, konsistente Farbschemata über mehrere Datenrahmen hinweg beizubehalten, die nicht alle durch Unterteilen eines einzelnen großen Datenrahmens erhalten werden. Das Verwalten der Faktorebenen in mehreren Datenrahmen kann mühsam werden, wenn sie aus separaten Dateien abgerufen werden und nicht alle Faktorebenen in jeder Datei angezeigt werden.

Eine Möglichkeit, dies zu beheben, besteht darin, eine benutzerdefinierte manuelle Farbskala wie folgt zu erstellen:

#Some test data
dat <- data.frame(x=runif(10),y=runif(10),
        grp = rep(LETTERS[1:5],each = 2),stringsAsFactors = TRUE)

#Create a custom color scale
library(RColorBrewer)
myColors <- brewer.pal(5,"Set1")
names(myColors) <- levels(dat$grp)
colScale <- scale_colour_manual(name = "grp",values = myColors)

und fügen Sie dann die Farbskala nach Bedarf zum Plot hinzu:

#One plot with all the data
p <- ggplot(dat,aes(x,y,colour = grp)) + geom_point()
p1 <- p + colScale

#A second plot with only four of the levels
p2 <- p %+% droplevels(subset(dat[4:10,])) + colScale

Die erste Handlung sieht folgendermaßen aus:

und die zweite Handlung sieht so aus:

Auf diese Weise müssen Sie sich nicht jeden Datenrahmen merken oder überprüfen, um festzustellen, ob er die entsprechenden Ebenen hat.

Ich bin in der gleichen Situation, auf die Malcook in seinem Kommentar hingewiesen hat : Leider funktioniert die Antwort von Thierry nicht mit ggplot2 Version 0.9.3.1.

png("figure_%d.png")
set.seed(2014)
library(ggplot2)
dataset <- data.frame(category = rep(LETTERS[1:5], 100),
    x = rnorm(500, mean = rep(1:5, 100)),
    y = rnorm(500, mean = rep(1:5, 100)))
dataset$fCategory <- factor(dataset$category)
subdata <- subset(dataset, category %in% c("A", "D", "E"))

ggplot(dataset, aes(x = x, y = y, colour = fCategory)) + geom_point()
ggplot(subdata, aes(x = x, y = y, colour = fCategory)) + geom_point()

Hier ist es die erste Figur:

und die zweite Figur:

Wie wir sehen können, bleiben die Farben nicht fest, zum Beispiel wechselt E von Magenta zu Blau.

Wie von Malcook in seinem Kommentar und von Hadley in seinem Kommentar vorgeschlagen,limits funktioniert der verwendete Code ordnungsgemäß:

ggplot(subdata, aes(x = x, y = y, colour = fCategory)) +       
    geom_point() + 
    scale_colour_discrete(drop=TRUE,
        limits = levels(dataset$fCategory))

gibt die folgende Zahl an, die richtig ist:

Dies ist die Ausgabe von sessionInfo():

R version 3.0.2 (2013-09-25)
Platform: x86_64-pc-linux-gnu (64-bit)

locale:
 [1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C              
 [3] LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8    
 [5] LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8   
 [7] LC_PAPER=en_US.UTF-8       LC_NAME=C                 
 [9] LC_ADDRESS=C               LC_TELEPHONE=C            
[11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C       

attached base packages:
[1] methods   stats     graphics  grDevices utils     datasets  base     

other attached packages:
[1] ggplot2_0.9.3.1

loaded via a namespace (and not attached):
 [1] colorspace_1.2-4   dichromat_2.0-0    digest_0.6.4       grid_3.0.2        
 [5] gtable_0.1.2       labeling_0.2       MASS_7.3-29        munsell_0.4.2     
 [9] plyr_1.8           proto_0.3-10       RColorBrewer_1.0-5 reshape2_1.2.2    
[13] scales_0.2.3       stringr_0.6.2 

Die einfachste Lösung besteht darin, Ihre kategoriale Variable vor der Teilmenge in einen Faktor umzuwandeln. Unter dem Strich benötigen Sie eine Faktorvariable mit genau den gleichen Ebenen in allen Ihren Teilmengen.

library(ggplot2)
dataset <- data.frame(category = rep(LETTERS[1:5], 100), 
    x = rnorm(500, mean = rep(1:5, 100)), y = rnorm(500, mean = rep(1:5, 100)))
dataset$fCategory <- factor(dataset$category)
subdata <- subset(dataset, category %in% c("A", "D", "E"))

Mit einer Zeichenvariablen

ggplot(dataset, aes(x = x, y = y, colour = category)) + geom_point()
ggplot(subdata, aes(x = x, y = y, colour = category)) + geom_point()

Mit einer Faktorvariablen

ggplot(dataset, aes(x = x, y = y, colour = fCategory)) + geom_point()
ggplot(subdata, aes(x = x, y = y, colour = fCategory)) + geom_point()

Dies ist ein alter Beitrag, aber ich habe nach einer Antwort auf dieselbe Frage gesucht.

Warum probieren Sie nicht so etwas wie:

scale_color_manual(values = c("foo" = "#999999", "bar" = "#E69F00"))

Wenn Sie kategoriale Werte haben, sehe ich keinen Grund, warum dies nicht funktionieren sollte.

Basierend auf der sehr hilfreichen Antwort von Joran konnte ich diese Lösung für eine stabile Farbskala für einen Booleschen Faktor ( TRUE, FALSE) finden.

boolColors <- as.character(c("TRUE"="#5aae61", "FALSE"="#7b3294"))
boolScale <- scale_colour_manual(name="myboolean", values=boolColors)

ggplot(myDataFrame, aes(date, duration)) + 
  geom_point(aes(colour = myboolean)) +
  boolScale

Da ColorBrewer bei binären Farbskalen nicht sehr hilfreich ist, werden die beiden benötigten Farben manuell definiert.

Hier mybooleanist der Name der Spalte, in myDataFrameder der TRUE / FALSE-Faktor enthalten ist. dateund durationsind die Spaltennamen, die in diesem Beispiel der x- und y-Achse des Diagramms zugeordnet werden sollen.