R ggplot2中的平滑和连续颜色渐变_R_Plot_Ggplot2_Colors

R ggplot2中的平滑和连续颜色渐变

r plot colors

R ggplot2中的平滑和连续颜色渐变,r,plot,ggplot2,colors,R,Plot,Ggplot2,Colors,我在R中使用ggplot2进行绘图，在结合平滑和连续色阶时遇到困难。更具体地说，我想画一组平滑的线，对于它们中的每一条，我希望它们的颜色在x轴上发生变化，例如，它们在右端点附近最暗。如果我用逐点线性曲线（而不是平滑的直线）来做这件事，我会做如下的事情 d <- data.frame(id = rep(1:100, 10), x = rep(1:10, each = 100), y = rep(1:10, each = 100) + rnorm(1000),

我在R中使用ggplot2进行绘图，在结合平滑和连续色阶时遇到困难。更具体地说，我想画一组平滑的线，对于它们中的每一条，我希望它们的颜色在x轴上发生变化，例如，它们在右端点附近最暗。如果我用逐点线性曲线（而不是平滑的直线）来做这件事，我会做如下的事情

d <- data.frame(id = rep(1:100, 10), x = rep(1:10, each = 100), 
                y = rep(1:10, each = 100) + rnorm(1000),
                z = factor(rep(rep(c("a", "b"), each = 10), 500)))


ggplot(d, aes(x = x, y = y, group = id, col = x)) +
       geom_line()

任何关于为什么会发生这种情况以及可以采取什么措施的提示都将不胜感激！我看到了，这表明在绘图之前必须平滑数据，但我非常希望在我的

ggplot（）

调用中完成所有操作

我已经尝试了两件值得一提的事情。首先，直接使用

geom_smooth（）

函数不会产生任何影响（但会更改默认线颜色）：

其次，

col

似乎是正确的目标参数，因为当根据离散变量选择颜色时，一切正常：

ggplot(d, aes(x = x, y = y, group = id, col = z)) +
       geom_line(stat = "smooth", method = "loess")

我的建议仍然是做这件事的“正确”方式。如果您确实不想修改原始数据帧，可以通过管道通过

扫帚

包，如下所示：

d %>% 
 group_by(id) %>% 
 do(augment(loess(y~x, data = .))) %>% 
 ggplot(aes(x = x, y = .fitted, group = id, colour = x)) +
 geom_line(stat = "identity", aes(colour = x))

在整个过程中，我只使用了数据的一个子集（

d%>%filter（id%在%1:10中）

），以使其更清晰/更快：

虽然这种方法更“优雅”，但它意味着每次重新绘制图形时都必须运行模型拟合（顺便说一下，使用

stat\u smooth（）

时也会发生这种情况）。这会使性能（非常）缓慢

此外，你会注意到线条是扭曲的，不平滑的。它们从原始数据平滑，但每个

值之间的间隙太大，无法生成难以区分的曲线

解决这个问题的方法是明确说明

stat\u smooth

正在做什么：从模型中计算

s和

s的新数据帧。为此，您需要将

newdata=

提供给

augment

。这样做的副作用是您丢失了旧的

（和

）值

最老练和不可取的方法是使用

stat\u smooth

的内部计算变量，这些变量大多未记录在案，如有更改，恕不另行通知。Hadley Wickham

但让我们把谨慎抛在脑后吧

d %>% 
  ggplot(aes(x = x, y = y, group = id, colour = x)) +
  geom_line(stat = "smooth", method = "loess", aes(colour = ..x..))

最后，您当然可以为

color=

添加任何类型的代数表达式。试试

color=sin（x^2/2）

这说明了为什么没有将其编码为有意的用例。它很难看，不添加信息，而且会分散对实际信息的注意力。所以，也许停下来好好想想你为什么要这么做。

我的建议仍然是“正确”的方式。如果您确实不想修改原始数据帧，可以通过管道通过

扫帚