作图的配色

图表的色彩搭配直接决定图表给读者的感受和印象，漂亮的图表自然会给文章增色不少。因此，学会自定义图表的配色非常重要。

3种色彩搭配（获取一组配色颜色值）的方法。

配色的本质就是得到一组搭配十分“和谐”的颜色。R中的常见颜色的表示方式有16进制颜色码，英文代码，RGB颜色值三种方式。常见的R色彩搭配包如RColorBrewer、ggsci、ggtech等提供现成的色彩搭配方案，可以直接拿来用。下面以RColorBrewer为例：

library(RColorBrewer)

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

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

这里仅输出了两种类型的配色，如下图

 colors1<-brewer.pal(9,"RdPu")

colors1

"#FFF7F3" "#FDE0DD" "#FCC5C0" "#FA9FB5""#F768A1" "#DD3497" "#AE017E" "#7A0177""#49006A"

colors1<-brewer.pal(9,"Dark2")

"#1B9E77" "#D95F02" "#7570B3" "#E7298A" "#66A61E" "#E6AB02" "#A6761D"
 "#666666"

另一个配色神器：colortools

https://rpubs.com/gaston/colortools

使用方法：

安装 install.packages("colortools")

  library(colortools)

#色轮的生成
wheel("darkblue", num = 12)
barplot(1:12,names.arg=my1,col=my1,las=2)

#单色搭配（Monochromatic ）色系的生成
sequential("red")
#类比色搭配（Analogous ）与补色/对比色搭配（Complement ）色轮可以方便地生成相邻、对比等色系

analogous("darkblue")
#Complementary color scheme

complementary("steelblue")

# define some colors
some_colors = setColors("#3D6DCC", 15)

# pizza plot
pizza(some_colors)

# analagous scheme for color "#3D6DCC"
analogous("#3D6DCC")

# complementary scheme for color "#3D6DCC"
complementary("#3D6DCC")

# split complementary scheme for color "#3D6DCC"
splitComp("#3D6DCC")

# triadic scheme for color "#3D6DCC"
triadic("#3D6DCC")

# tetradic scheme for color "#3D6DCC"
tetradic("#3D6DCC")

# square scheme for color "#3D6DCC"
square("#3D6DCC")

# sequential colors for "#3D6DCC"
sequential("#3D6DCC")

 pals()

pals("cheer")

# color names of palette 'cheer'pizza(pals("cheer")

pizza(terrain.colors(12), bg="white")

p<-setColors(3, num=18)

hist(rnorm(100),breaks=10,col=p)

barplot(1:5,col=pals("cheer"))

#箱图的绘制

boxplot(len~dose*supp,data=ToothGrowth,col=pals("cheer"),xlab="group",ylab="len")

绘制聚类图

install.packages("pheatmap")

install.packages("cluster")

install.packages("ape")

library(pheatmap)

library(cluster)

library(ape)

my2<-setColors("blue",num=12) 

my3<-pals("drift")

pheatmap(scale(mtcars),col=my2)

#配色可以让我们生成热图中的数据更加清晰、直观

pheatmap(scale(mtcars),col=sequential("blue",10))

pheatmap(scale(mtcars),col=my3,cutree_rows = 3)

plot(as.phylo(hclust(dist(scale(mtcars)))),tip.col=my1)

set.seed(100)

m.c<-kmeans(scale(mtcars),centers=3)

pairs(mtcars[,1:5],pch=21,bg=pals("mystery")[m.c$cluster])

#散点图与k-mean聚类联合分析中，不同互补色系可以更加和谐的表征不同组别的点的分布

综上，通过改颜色工具包，可以便捷的得到我们想要的配色乃至独特的色系。

此外，还可以用windows的取色器，mspaint

在线取色网站

http://tool.oschina.net/commons?type=3