离散化ggplot2色阶的连续比例的最简单方法是什么？

本文介绍了离散化ggplot2色阶的连续比例的最简单方法是什么？的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！ 问题描述 假设我有这样的情节： $ g $ p $ ggplot（iris）+ geom_point（aes（x = Sepal.Width，y = Sepal.Length，color = Sepal.Length））+ scale_colour_gradient（） 离散化的正确方法是什么色彩比例，如下图所示的接受答案（渐变突破ggplot stat_bin2d图）？ ggplot可以正确识别离散值并为这些离散值使用离散比例，但是我的问题是如果您有连续的数据，并且想要离散的颜色条（每个正方形对应到一个值，并且方块仍然以渐变方式着色），那么最好的方法是什么？离散化/分块应该发生在ggplot之外，并作为单独的离散值列放入数据框中，还是有办法在ggplot中执行？我寻找的一个例子是类似于这里显示的比例： geom_tile / heatmap之外。 b $ b 谢谢。 解决方案解决方案有点复杂，因为您需要一个离散的规模。否则，您可以简单地使用 round 。 library（ggplot2）$ （x），n = nclass.Sturges（x），b（b），b（b），b（b） min.n = 1） colfunc< - colorRampPalette（c（low，medium，high）） binned< - cut（x，breaks（x）） $ b $ res< - colfunc（length（unique（binned）））[as.integer（binned）] names（res）< - as.character（binned）$ b $ （名称（bincol（iris $ Sepal.Length，blue，yellow，red）））中断< - unique（bincol（iris $ Sepal.Length，blue，yellow，red）） breaks labels < - 标签[order（labels，decrease = TRUE）] ggplot（iris）+ geom_point（aes（x = Sepal.Width，y = Sepal.Length ， color = bincol（Sepal.Length，blue，yellow，red）），size = 4）+ scale_color_identity（Sepal.Length，labels = labels， break = break，guide =legend） Suppose I have this plot: ggplot(iris) + geom_point(aes(x=Sepal.Width, y=Sepal.Length, colour=Sepal.Length)) + scale_colour_gradient()what is the correct way to discretize the color scale, like the plot shown below the accepted answer here (gradient breaks in a ggplot stat_bin2d plot)? ggplot correctly recognizes discrete values and uses discrete scales for these, but my question is if you have continuous data and you want a discrete colour bar for it (with each square corresponding to a value, and squares colored in a gradient still), what is the best way to do it? Should the discretizing/binning happen outside of ggplot and get put in the dataframe as a separate discrete-valued column, or is there a way to do it within ggplot? an example of what I'm looking for is similar to the scale shown here:except I'm plotting a scatter plot and not something like geom_tile/heatmap.thanks. 解决方案 The solution is slightly complicated, because you want a discrete scale. Otherwise you could probably simply use round.library(ggplot2)bincol <- function(x,low,medium,high) { breaks <- function(x) pretty(range(x), n = nclass.Sturges(x), min.n = 1) colfunc <- colorRampPalette(c(low, medium, high)) binned <- cut(x,breaks(x)) res <- colfunc(length(unique(binned)))[as.integer(binned)] names(res) <- as.character(binned) res}labels <- unique(names(bincol(iris$Sepal.Length,"blue","yellow","red")))breaks <- unique(bincol(iris$Sepal.Length,"blue","yellow","red"))breaks <- breaks[order(labels,decreasing = TRUE)]labels <- labels[order(labels,decreasing = TRUE)]ggplot(iris) + geom_point(aes(x=Sepal.Width, y=Sepal.Length, colour=bincol(Sepal.Length,"blue","yellow","red")), size=4) + scale_color_identity("Sepal.Length", labels=labels, breaks=breaks, guide="legend") 这篇关于离散化ggplot2色阶的连续比例的最简单方法是什么？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！