targa(targa是什么意思)

相信各位在肝图表写论文时，一定都会思考：这张图表用啥颜色？论文整体配色搭配怎么把控才好看？

毕竟高分期刊大牛文章的共通点，除了论文精彩，整体配色也十分具有吸引力。

许多在线配色/提取颜色的工具效果不错，通过下载大牛文章使用PS、AI等直接“偷色”也不是难事。如今即便自己缺少美学灵感，但仍可以做到轻松获取出彩的配色方案。有兴趣可参考往期推文： 《作图颜色调得好，高分文章跑不了！》 、 《如何“偷走”大牛文章漂亮的配色？》

但上述方法可能不适用所有情景（特别是R绘图时）。只需要少量颜色的情况还好，直接通过十六进制颜色码自定义配色即可，做到好看十分简单。

但当绘制一些如堆叠图、桑基图等的多分组图表时，当你需要自定义十几种甚至更多颜色时（如下图），在找配色上就会花费非常多的时间，根据数据的不同，有些需要渐变配色（容易一点），有些则需要离散配色（这个最难），不太适合懒人。

（ ISME ,2021）

因此，今天给大家介绍四个能轻松获取高分科学期刊同款配色方案的R包，并讲述如何基于这四个配色包，生成任意所需数量的超好看配色。当然，也能提取出配色方案，“反向”运用于Origin、AI、Excel等其它软件图形的绘制。

# 1. ggsci #

此包是基于ggplot2的颜色主题包，内置的配色方案都为各类科学期刊、科幻电影常用配色。由于篇幅受限，这里仅展示部分常用科学期刊配色，剩余大家自行查看帮助文档。

#相关包的安装和载入

install.packages('ggsci')

library(ggsci)

library(ggplot2)

#查看此包帮助文档（共提供18种配色方案，点击名称即可跳转到对应配色说明及案例）

vignette( "ggsci")

#提取配色的通用函数(palname替换为配色方案名称即可，详见帮助文档)

#scale_color_palname

#scale_fill_palname

#使用R内置数据集创建箱线图作为本次范例：

data(singer,package= "lattice")

p<-ggplot(singer,aes(x=voice.part,y=height,fill=voice.part,color=voice.part,alpha=0.8))+geom_boxplot

p<-p+theme_bw+coord_fixed(ratio=0.25)

#使用Nature配色(NPG)

p2<-p+scale_color_npg+scale_fill_npg

p2

#使用Science配色(AAAS)

p3<-p+scale_color_aaas+scale_fill_aaas

p3

#使用柳叶刀配色(Lancet)

p5<-p+scale_color_lancet+scale_fill_lancet

p5

#使用Journal of Clinical Oncology配色(JCO)

p6<-p+scale_color_jco+scale_fill_jco

p6

那么如何将心仪的颜色提取出来呢？不同的配色方案本质就是不同十六进制颜色码向量的集合。但ggsci包有些特殊，颜色向量集的名称并不和帮助文档中所给的对应配色方案名称对应，因此需要多一步自行查找。

#查看选中配色方案的帮助文档 （以Nature的配色NPG为例）

library( "scales")

? scale_color_npg

查看NPG的帮助文档可发现，此配色方案包含共10种颜色，颜色向量集名称为“nrc”，可以调整透明度。

#可选择提取≤10种颜色，但可通过调节透明度产出不同明度的配色方案

mycolor<-pal_npg( "nrc", alpha = 0.5)(8) #提取8种颜色，透明度80%

mycolor

show_col(mycolor)

ggsci包中其余配色方案也可通过此方法来获取十六进制颜色码，大家可根据需要直接复制颜色码或者保存配色图片。

# 2. RColorBrewer #

这个包的使用频率也非常高，上一周推文 《如何绘制Science文章的“花式”河流图？》 中就使用它进行配色。

#RColorBrewer包的安装和载入

install.packages('RColorBrewer')

library(RColorBrewer)

#查看帮助文档

? RColorBrewer

#查看全部配色方案

display.brewer. all

#作者将上述配色方案分为了三类（从上至下）：连续型(sequential)、离散型(Qualitative)、极端型(Diverging),可适用于不同类型的分类变量（非常方便！），以下代码可分别进行查看

display.brewer. all(type= "seq")

display.brewer. all(type= "qual")

display.brewer. all(type= "div")

#使用Spectral配色方案

mycolor2<-brewer.pal(11, "Spectral")#可选择的颜色数量区间在此配色最大数和绘图所需数之间

p7<-p+scale_fill_manual(values=rev(mycolor2))+

scale_color_manual(values=rev(mycolor2))

p7

#使用YlOrRd配色方案

mycolor3<-brewer.pal(9, "YlOrRd")

p8<-p+scale_fill_manual(values=rev(mycolor3))+

scale_color_manual(values=rev(mycolor3))

p8

RColorBrewer包可直接提取配色，颜色集合的名称和配色方案名称相同。

#提取所需配色的十六进制颜色

brewer.pal(9, "YlOrRd")

show_col(mycolor3)

两个包的基础用法就介绍到这。此外，文首提到的常见情况——分类变量非常多的情况怎么办？上述R包里每种方案所包含的颜色数量似乎也就10来种，似乎不够用？

#方法一：

使用colorRampPalette扩展上述R包颜色

#这个函数的基本用法：基于指定的颜色向量，生成指定数量的渐变颜色

col3<-colorRampPalette(c('blue','white','red'))(30)

show_col(col3)

#使用colorRampPalette扩展R包配色方案中的颜色

col4<-colorRampPalette(brewer.pal(8,'Set2'))(56)#将RColorBrewer包中的Set2方案8个颜色扩展为56个

col5<-colorRampPalette((pal_npg( "nrc")(9)))(56)#将ggsci包中的NPG方案9个颜色扩展为56个

show_col(col4)

show_col(col5)

当然，你也可以通过从配色包中提取出心仪的十六进制颜色码，去任意指定自己所需颜色，这里不再展示。

#方法二：

使用paletteer包

朋友们，如果上述方法还不能满足你的要求，那就用用看paletteer！这个包中共收录了52个R包中的2,100种配色方案，都可直接调用，出现“配色荒”算我输！

#paletteer包的安装、调用、查看帮助文档

install.packages( "paletteer")

library(paletteer)

? paletteer

Paletteer包中针对不同数据类型（连续型、离散型），存在两种调用函数，详见下文：

1.连续型配色方案：和colorRampPalette函数类似，可以基于选定的配色主题扩展出任意所需数量颜色。

#生成连续型配色方案（基于选定的配色主题拓展出所需任意数量的颜色）：

c_palettes<- palettes_c_names#查看所有配色

我们可以看到，连续型配色方案中共有330种方案，每个方案都可以生成指定数量颜色~

#引号处配色名称可直接Tab键浏览选取，也可以直接输入，格式为：R包名称::配色方案名称

paletteer_c( "gameofthrones::targaryen", n = 40)

paletteer_c( "gameofthrones::arya", n = 15)

paletteer_c( "pals::ocean.matter", n = 25)

我们任意盲挑几种搭配，生成不同数量的颜色，如下图，十六进制颜色码都叠加在对应颜色上，我们在挑配色时就太方便啦（当然也可以生成色卡直接导出，见前文，这里不赘述）！

2.离散型配色方案：虽然每种配色方案依然有最大颜色数限制，但架不住收纳的配色主题多啊（共有2,037种配色方案）！从几种，到十几种、二三十种、上百种颜色的配色方案都完美囊括。

#生成离散型配色方案：

d_palettes<- palettes_d_names#查看所有配色 ，共计2037种配色方案

paletteer_d( "ggthemes::Classic_20",n=20) #随机选一个查看

#将随机选取的Classic_20配色方案运用于箱线图示例：

mycol<-paletteer_d( "ggthemes::Classic_20",n=20)

p9<-p+scale_fill_manual(values=rev(mycol))+

scale_color_manual(values=rev(mycol))

p9

真的随便乱挑出来的配色都好好看！

#方法三：

使用colorpicker包

paletteer还不满足，看来是时候展现真正的技术，自己手动丰衣足食了！

R语言的难点之一就是啥都要敲代码，搞得上个色都那么艰难。但是，colorpicker为我们提供了一个交互式颜色获取面板，让你能够体验“非R”的轻松愉快（简单来说，你可以不用敲代码直接点点点快速获取颜色）。

#colorpicker包的安装、调用

install.packages( "colourpicker")

library(colourpicker)

col_colourpicker<-#先设置需要赋值的颜色名，鼠标选择在Addins处选择colourpicker

然后会出来一个交互式面板（像是在用别的软件了呢），如下：

在Any colour面板，你可以点击“+”任意添加所需颜色数量，在“Select any colour”处任意挑选颜色，或者直接输入十六进制颜色码，如下图。

在Find R colour面板，你可以任意选择一个颜色，并生成一组40个颜色以内的相近色搭配色板，根据需要点击颜色将其添加到“Selected colours”处。

最后，在All R colour面板提供了好看的配色库可自行挑选添加，在完成颜色选择后，我们点击右上角的Done即可输出十六进制颜色码或者颜色名称。

col_map<-c( "#E07979", "#801212", "#EDB4B4", "#4169E1", "#6CA6CD", "#48D1CC", "#FFC0CB", "#96CDCD")

对于想自行控制配色的人来说，简直太方便啦！

上述方法都能够快速生成任意所需数量的科学期刊配色方案！根据自己的需求选择适合自己的方法吧！今天的分享就到这里~

PS

如果各位有更好用的包或者方法欢迎评论区分享！

▼

参考文献

▼

Bowerman, K.L., Knowles, S.C.L., Bradley, J.E. et al. Effects of laboratory domestication on the rodent gut microbiome. ISME COMMUN. 1, 49 (2021).

实用工具操作教程分享

前沿组学文章实时解读

实验技术分析方法探讨

独家生信视频教程推荐

基迪奥 | 专业定制测序服务