Come assegnare i colori alle variabili categoriali in ggplot2 che hanno una mappatura stabile?

Mi sono alzato per accelerare con R nell'ultimo mese.

Ecco la mia domanda:

Qual è un buon modo per assegnare i colori alle variabili categoriali in ggplot2 che hanno una mappatura stabile? Ho bisogno di colori coerenti in una serie di grafici che hanno diversi sottoinsiemi e un diverso numero di variabili categoriali.

Per esempio,

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

dove categoricalDataha 5 livelli.

E poi

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

dove categoricalData.subsetha 3 livelli.

Tuttavia, un livello particolare che si trova in entrambi i set finirà con un colore diverso, il che rende più difficile leggere i grafici insieme.

Devo creare un vettore di colori nella cornice dati? O c'è un altro modo per assegnare colori specifici alle categorie?

Per situazioni semplici come l'esatto esempio nel PO, concordo sul fatto che la risposta di Thierry sia la migliore. Tuttavia, penso che sia utile sottolineare un altro approccio che diventa più facile quando si tenta di mantenere combinazioni di colori coerenti tra più frame di dati che non sono tutti ottenuti sottoponendo a un singolo frame di dati di grandi dimensioni. La gestione dei livelli dei fattori in più frame di dati può diventare noiosa se vengono estratti da file separati e non tutti i livelli dei fattori vengono visualizzati in ciascun file.

Un modo per risolvere questo problema è creare una scala di colori manuale personalizzata come segue:

#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)

e quindi aggiungi la scala dei colori sulla trama secondo necessità:

#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

La prima trama è simile alla seguente:

e la seconda trama è simile alla seguente:

In questo modo non è necessario ricordare o controllare ciascun frame di dati per verificare che abbiano i livelli appropriati.

Sono nella stessa situazione evidenziata da Malcook nel suo commento : purtroppo la risposta di Thierry non funziona con la versione 0.9.3.1 di ggplot2.

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()

Ecco la prima figura:

e la seconda cifra:

Come possiamo vedere i colori non rimangono fissi, ad esempio E passa dal magenta al blu.

Come suggerito da Malcook nel suo commento e da Hadley nel suo commento, il codice che utilizza limitsfunziona correttamente:

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

fornisce la seguente figura, che è corretta:

Questo è l'output di 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 

La soluzione più semplice è convertire la variabile categoriale in un fattore prima del sottoinsieme. In conclusione, hai bisogno di una variabile fattore con esattamente gli stessi livelli in tutti i tuoi sottoinsiemi.

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"))

Con una variabile di carattere

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

Con una variabile fattore

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

Questo è un vecchio post, ma stavo cercando una risposta a questa stessa domanda,

Perché non provare qualcosa di simile:

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

Se hai valori categorici, non vedo un motivo per cui questo non dovrebbe funzionare.

Sulla base della risposta molto utile di joran sono stato in grado di trovare questa soluzione per una scala cromatica stabile per un fattore booleano ( TRUE, FALSE).

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

Poiché ColorBrewer non è molto utile con le scale di colori binarie, i due colori necessari vengono definiti manualmente.

Ecco mybooleanil nome della colonna che contiene il myDataFramefattore VERO / FALSO. datee durationsono i nomi delle colonne da mappare sull'asse xey del grafico in questo esempio.