Warning: file_get_contents(/data/phpspider/zhask/data//catemap/4/r/68.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
在R中改变as.factor ggplot的颜色_R_Ggplot2 - Fatal编程技术网

在R中改变as.factor ggplot的颜色

在R中改变as.factor ggplot的颜色,r,ggplot2,R,Ggplot2,x和z是我的解释变量,z是一个因子。然后,我将线性混合效应模型拟合到我的数据df中 如何在R中更改as.factorggplot的颜色?它给我RBG,但我想要不同的颜色。谢谢你的建议。谢谢。我想你是在找scale\u color\u brewer的scale\u color\u手册。在第一种情况下,您可以手动指定颜色,在第二种情况下,您可以选择Colorbrewer调色板中的一种。我想您正在寻找scale\u color\u brewer的scale\u color\u manual。在第一种情

x和z是我的解释变量,z是一个因子。然后,我将线性混合效应模型拟合到我的数据df中


如何在R中更改
as.factor
ggplot的颜色?它给我RBG,但我想要不同的颜色。谢谢你的建议。谢谢。

我想你是在找
scale\u color\u brewer
scale\u color\u手册。在第一种情况下,您可以手动指定颜色,在第二种情况下,您可以选择Colorbrewer调色板中的一种。

我想您正在寻找
scale\u color\u brewer
scale\u color\u manual
。在第一种情况下,您可以手动指定颜色,在第二种情况下,您可以选择Colorbrewer调色板中的一种。

您还可以根据上面的帖子建议定义颜色,并在下表中按名称引用颜色

scale\u color\u手册(name=“Sex”,value=c(“深灰色”,“黑色”),labels=c(“雄性”,“雌性”))


图例上的名称为性别,标签为男性和女性。此外,在aes中(x=年份,y=数字,颜色=性别)

您还可以按照上面的帖子建议定义颜色,并在下表中按名称引用颜色

scale\u color\u手册(name=“Sex”,value=c(“深灰色”,“黑色”),labels=c(“雄性”,“雌性”))


图例上的名称为性别,标签为男性和女性。此外,在aes中(x=年份,y=数字,颜色=性别)

您可以在此处查找颜色的良好组合

您将获得所需相应颜色的代码(例如,绿色的“#2ca25f”或黑色的“#000000”),您可以将其添加到代码中,如下所示:

ggplot(df,aes(x,y,颜色=as.factor(z)))+
几何点()+
geom_线(数据=df,aes(y=预测(lmer(mymodel),df),新数据=df)+
比例颜色手册(数值=c(“#000000”、“#2ca25f”、…)

取决于z因子的数量


另外,你也可以用“黑”、“白”等常用颜色名称来代替#代码。

你可以在这里找到好的颜色组合

您将获得所需相应颜色的代码(例如,绿色的“#2ca25f”或黑色的“#000000”),您可以将其添加到代码中,如下所示:

ggplot(df,aes(x,y,颜色=as.factor(z)))+
几何点()+
geom_线(数据=df,aes(y=预测(lmer(mymodel),df),新数据=df)+
比例颜色手册(数值=c(“#000000”、“#2ca25f”、…)

取决于z因子的数量

另外,你也可以用“黑”、“白”等常用颜色来代替#代码

ggplot(df, aes(x, y, colour = as.factor(z))) +
  geom_point() +
  geom_line(data=df,aes(y=predict(lmer(mymodel),df),newdata=df)