Bagaimana cara menetapkan warna ke variabel kategori di ggplot2 yang memiliki pemetaan stabil?

Saya sudah bangun dengan kecepatan R di bulan lalu.

Ini pertanyaan saya:

Apa cara yang baik untuk menetapkan warna ke variabel kategori di ggplot2 yang memiliki pemetaan stabil? Saya membutuhkan warna yang konsisten di seluruh set grafik yang memiliki himpunan bagian yang berbeda dan jumlah variabel kategori yang berbeda.

Sebagai contoh,

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

dimana categoricalDatamemiliki 5 level.

Lalu

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

dimana categoricalData.subsetmemiliki 3 level.

Namun, level tertentu yang ada di kedua set akan berakhir dengan warna yang berbeda, yang membuatnya lebih sulit untuk membaca grafik bersama.

Apakah saya perlu membuat vektor warna dalam bingkai data? Atau adakah cara lain untuk menetapkan warna tertentu ke dalam kategori?

Untuk situasi sederhana seperti contoh persis dalam OP, saya setuju bahwa jawaban Thierry adalah yang terbaik. Namun, saya pikir ini berguna untuk menunjukkan pendekatan lain yang menjadi lebih mudah ketika Anda mencoba mempertahankan skema warna yang konsisten di beberapa frame data yang tidak semuanya diperoleh dengan berlangganan satu frame data besar. Mengelola level faktor dalam beberapa frame data dapat menjadi membosankan jika mereka ditarik dari file terpisah dan tidak semua level faktor muncul di setiap file.

Salah satu cara untuk mengatasinya adalah dengan membuat skala warna manual kustom sebagai berikut:

#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)

dan kemudian tambahkan skala warna ke plot sesuai kebutuhan:

#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

Plot pertama terlihat seperti ini:

dan plot kedua terlihat seperti ini:

Dengan cara ini Anda tidak perlu mengingat atau memeriksa setiap frame data untuk melihat bahwa mereka memiliki level yang sesuai.

Saya dalam situasi yang sama ditunjukkan oleh malcook dalam komentarnya : sayangnya jawaban oleh Thierry tidak bekerja dengan ggplot2 versi 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()

Ini dia gambar pertama:

dan gambar kedua:

Seperti yang bisa kita lihat, warnanya tidak tetap, misalnya E beralih dari magenta ke blu.

Seperti yang disarankan oleh malcook dalam komentarnya dan oleh hadley dalam komentarnya kode yang menggunakan limitsberfungsi dengan benar:

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

memberikan gambar berikut, yang benar:

Ini adalah output dari 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 

Solusi termudah adalah mengonversi variabel kategori Anda menjadi faktor sebelum berlangganan. Intinya adalah bahwa Anda memerlukan variabel faktor dengan tingkat yang sama persis di semua himpunan bagian Anda.

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"))

Dengan variabel karakter

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

Dengan variabel faktor

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

Ini adalah pos lama, tetapi saya mencari jawaban untuk pertanyaan yang sama ini,

Mengapa tidak mencoba sesuatu seperti:

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

Jika Anda memiliki nilai kategorikal, saya tidak melihat alasan mengapa ini tidak berhasil.

Berdasarkan jawaban yang sangat membantu oleh joran, saya dapat menemukan solusi ini untuk skala warna yang stabil untuk faktor boolean ( 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

Karena ColorBrewer tidak terlalu membantu dengan skala warna biner, dua warna yang diperlukan ditentukan secara manual.

Berikut mybooleanadalah nama kolom dalam myDataFramememegang faktor BENAR / SALAH. datedan durationapakah nama kolom yang akan dipetakan ke sumbu x dan y plot dalam contoh ini.