这配色方案让人费解啊

Posted on by

学员在微信交流群分享了一个2024年5月的单细胞数据挖掘文章，标题是：《Single-cell combined with transcriptome sequencing to explore the molecular mechanism of cell communication in idiopathic pulmonary fibrosis》，研究者们重新分析了 GSE122960 这个单细胞转录组数据集，第一层次降维聚类分群后简单的统计了一下每个单细胞亚群的数量，绘制条形图如下所示：
单细胞亚群的数量，绘制条形图
就很迷惑，8个单细胞亚群为什么就使用了4个颜色呢？

R语言配色大全

我比较喜欢下面的4个r包，简单快捷：

  1. RColorBrewer
    • 由Cynthia A. Brewer开发的RColorBrewer包提供了一套精心挑选的颜色方案，特别适合制作地图和数据可视化。
    • 它允许用户根据色盲友好性、颜色数量和颜色类型（如序列、发散和定性）选择颜色方案。
  2. ggsci
    • ggsci（ggplot2 scientific）包允许用户在ggplot2的绘图中使用科学期刊的颜色方案，如《Nature》、《Science》等。
    • 它提供了一个简单的接口来访问这些颜色方案，使得科研论文和报告的图表颜色更加专业和一致。
  3. randomcoloR
    • randomcoloR包提供了一个函数，用于生成随机颜色方案，这对于需要快速创建颜色方案的用户来说非常有用。
    • 它可以生成单色或多色方案，支持用户自定义颜色的数量和亮度。
  4. paletteer
    • paletteer是一个统一的接口，用于访问多个颜色方案包，包括RColorBrewer、ggsci等。
    • https://emilhvitfeldt.github.io/paletteer/
    • 它提供了一个简单的方式来搜索和选择颜色方案，支持多种参数来定制颜色方案，如颜色的明暗、饱和度等。
      使用这些R包，你可以轻松地为你的数据可视化添加专业和吸引人的颜色方案。例如，使用RColorBrewer包时，你可以这样选择颜色方案：

      library(RColorBrewer)
myPalette <- brewer.pal(name = "BuPu", n = 7) # 选择名为"BuPu"的颜色方案，获取7种颜色

      使用ggsci包时，可以这样使用期刊的颜色方案：

      library(ggsci)
ggplot(data, aes(x = x, y = y, color = group)) +
geom_point() +
scale_color_nejm() # 使用《新英格兰医学杂志》的颜色方案

      randomcoloR和paletteer的使用方式类似，都提供了直观的函数来生成和应用颜色方案。 randomcoloR 包可以生成随机的颜色方案，非常适合当你需要快速创建一个颜色方案时使用。

      # 安装randomcoloR包
install.packages("randomcoloR")
# 加载randomcoloR包
library(randomcoloR) 
# 生成一组随机颜色
random_colors <- randomColor(5) # 生成5种随机颜色
# 打印这些颜色
print(random_colors)

      randomColor 函数还可以接受参数来控制颜色的亮度和饱和度：

      random_colors_light <- randomColor(5, luminosity = "light") # 生成亮度较高的颜色
random_colors_dark <- randomColor(5, luminosity = "dark") # 生成亮度较低的颜色

      paletteer 包提供了一个统一的接口来访问多个颜色方案，包括 RColorBrewer、ggsci 等。详见：https://pmassicotte.github.io/paletteer_gallery/
      当然可以。以下是使用R语言和ggplot2包绘制一个简单的条形图的示例代码，并测试上面提到的四个R包（RColorBrewer、ggsci、randomcoloR 和 paletteer）的配色功能。

      模拟数据进行条形图可视化并且配色

      首先，我们需要安装和加载必要的包：

      install.packages(c("ggplot2", "RColorBrewer", "ggsci", "randomcoloR", "paletteer"))
library(ggplot2)
library(RColorBrewer)
library(ggsci)
library(randomcoloR)
library(paletteer)

      然后，我们模拟一些数据来绘制条形图：

      # 模拟数据
df <- data.frame(
Category = rep(c("A", "B", "C", "D"), each = 2),
Value = c(23, 45, 32, 50, 18, 27, 42, 55)
)

      接下来，我们将使用不同的颜色方案来绘制条形图。

      使用 RColorBrewer 的颜色方案：

      # 选择颜色方案
brewer_colors <- brewer.pal(name = "Set1", n = 4)
# 绘制条形图
ggplot(df, aes(x = Category, y = Value, fill = Category)) +
geom_bar(stat = "identity", color = "white") +
scale_fill_manual(values = brewer_colors) +
theme_minimal() +
labs(title = "Simple Bar Plot with RColorBrewer Colors",
x = "Category",
y = "Value")

      使用 ggsci 的颜色方案：

      # 选择颜色方案 
ggsci_colors <- ggsci::pal_npg("nrc")(4)
# 绘制条形图
ggplot(df, aes(x = Category, y = Value, fill = Category)) +
geom_bar(stat = "identity", color = "white") +
scale_fill_manual(values = ggsci_colors) +
theme_minimal() +
labs(title = "Simple Bar Plot with ggsci Colors")

      使用 randomcoloR 的颜色方案：

      # 生成随机颜色方案
random_colors <- randomColor(4)
# 绘制条形图
ggplot(df, aes(x = Category, y = Value, fill = Category)) +
geom_bar(stat = "identity", color = "white") +
scale_fill_manual(values = random_colors) +
theme_minimal() +
labs(title = "Simple Bar Plot with Random Colors")

      使用 paletteer 的颜色方案：

      # 选择颜色方案
paletteer_colors <- paletteer::paletteer_d("rcartocolor::Geyser")
# 绘制条形图
ggplot(df, aes(x = Category, y = Value, fill = Category)) +
geom_bar(stat = "identity", color = "white") +
scale_fill_manual(values = paletteer_colors) +
theme_minimal() +
labs(title = "Simple Bar Plot with paletteer Colors")

      运行上述代码后，你将得到四个不同的条形图，每个都使用了不同的颜色方案。这些示例展示了如何轻松地在ggplot2中应用不同的颜色方案来增强数据可视化的视觉效果。

​

Comments are closed.