Comment attribuer des couleurs aux variables catégorielles dans ggplot2 qui ont un mappage stable?

Je me suis familiarisé avec R le mois dernier.

Voici ma question:

Quel est le bon moyen d'attribuer des couleurs aux variables catégorielles dans ggplot2 qui ont un mappage stable? J'ai besoin de couleurs cohérentes sur un ensemble de graphiques qui ont différents sous-ensembles et un nombre différent de variables catégorielles.

Par exemple,

plot1 <- ggplot(data, aes(xData, yData,color=categoricaldData)) + geom_line()

où categoricalDataa 5 niveaux.

Puis

plot2 <- ggplot(data.subset, aes(xData.subset, yData.subset, 
                                 color=categoricaldData.subset)) + geom_line()

où categoricalData.subseta 3 niveaux.

Cependant, un niveau particulier qui se trouve dans les deux ensembles se terminera par une couleur différente, ce qui rend plus difficile la lecture des graphiques ensemble.

Dois-je créer un vecteur de couleurs dans le bloc de données? Ou existe-t-il un autre moyen d'attribuer des couleurs spécifiques aux catégories?

Pour des situations simples comme l'exemple exact dans l'OP, je suis d'accord que la réponse de Thierry est la meilleure. Cependant, je pense qu'il est utile de souligner une autre approche qui devient plus facile lorsque vous essayez de maintenir des schémas de couleurs cohérents sur plusieurs trames de données qui ne sont pas toutes obtenues en sous-ensemble une seule grande trame de données. La gestion des niveaux de facteurs dans plusieurs blocs de données peut devenir fastidieuse s'ils sont extraits de fichiers séparés et que tous les niveaux de facteurs n'apparaissent pas dans chaque fichier.

Une façon de résoudre ce problème consiste à créer une échelle de couleurs manuelle personnalisée comme suit:

#Some test data
dat <- data.frame(x=runif(10),y=runif(10),
        grp = rep(LETTERS[1:5],each = 2),stringsAsFactors = TRUE)

#Create a custom color scale
library(RColorBrewer)
myColors <- brewer.pal(5,"Set1")
names(myColors) <- levels(dat$grp)
colScale <- scale_colour_manual(name = "grp",values = myColors)

puis ajoutez l'échelle de couleurs sur le tracé si nécessaire:

#One plot with all the data
p <- ggplot(dat,aes(x,y,colour = grp)) + geom_point()
p1 <- p + colScale

#A second plot with only four of the levels
p2 <- p %+% droplevels(subset(dat[4:10,])) + colScale

Le premier tracé ressemble à ceci:

et le deuxième tracé ressemble à ceci:

De cette façon, vous n'avez pas besoin de vous souvenir ou de vérifier chaque bloc de données pour voir qu'ils ont les niveaux appropriés.

Je suis dans la même situation évoquée par malcook dans son commentaire : malheureusement la réponse de Thierry ne fonctionne pas avec ggplot2 version 0.9.3.1.

png("figure_%d.png")
set.seed(2014)
library(ggplot2)
dataset <- data.frame(category = rep(LETTERS[1:5], 100),
    x = rnorm(500, mean = rep(1:5, 100)),
    y = rnorm(500, mean = rep(1:5, 100)))
dataset$fCategory <- factor(dataset$category)
subdata <- subset(dataset, category %in% c("A", "D", "E"))

ggplot(dataset, aes(x = x, y = y, colour = fCategory)) + geom_point()
ggplot(subdata, aes(x = x, y = y, colour = fCategory)) + geom_point()

Voici le premier chiffre:

et le deuxième chiffre:

Comme on peut le voir, les couleurs ne restent pas fixes, par exemple E passe du magenta au bleu.

Comme suggéré par malcook dans son commentaire et par hadley dans son commentaire le code qui utilise limitsfonctionne correctement:

ggplot(subdata, aes(x = x, y = y, colour = fCategory)) +       
    geom_point() + 
    scale_colour_discrete(drop=TRUE,
        limits = levels(dataset$fCategory))

donne la figure suivante, qui est correcte:

C'est la sortie de sessionInfo():

R version 3.0.2 (2013-09-25)
Platform: x86_64-pc-linux-gnu (64-bit)

locale:
 [1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C              
 [3] LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8    
 [5] LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8   
 [7] LC_PAPER=en_US.UTF-8       LC_NAME=C                 
 [9] LC_ADDRESS=C               LC_TELEPHONE=C            
[11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C       

attached base packages:
[1] methods   stats     graphics  grDevices utils     datasets  base     

other attached packages:
[1] ggplot2_0.9.3.1

loaded via a namespace (and not attached):
 [1] colorspace_1.2-4   dichromat_2.0-0    digest_0.6.4       grid_3.0.2        
 [5] gtable_0.1.2       labeling_0.2       MASS_7.3-29        munsell_0.4.2     
 [9] plyr_1.8           proto_0.3-10       RColorBrewer_1.0-5 reshape2_1.2.2    
[13] scales_0.2.3       stringr_0.6.2 

La solution la plus simple consiste à convertir votre variable catégorielle en un facteur avant le sous-ensemble. En fin de compte, vous avez besoin d'une variable de facteur avec exactement les mêmes niveaux dans tous vos sous-ensembles.

library(ggplot2)
dataset <- data.frame(category = rep(LETTERS[1:5], 100), 
    x = rnorm(500, mean = rep(1:5, 100)), y = rnorm(500, mean = rep(1:5, 100)))
dataset$fCategory <- factor(dataset$category)
subdata <- subset(dataset, category %in% c("A", "D", "E"))

Avec une variable de caractère

ggplot(dataset, aes(x = x, y = y, colour = category)) + geom_point()
ggplot(subdata, aes(x = x, y = y, colour = category)) + geom_point()

Avec une variable factorielle

ggplot(dataset, aes(x = x, y = y, colour = fCategory)) + geom_point()
ggplot(subdata, aes(x = x, y = y, colour = fCategory)) + geom_point()

Ceci est un ancien post, mais je cherchais une réponse à cette même question,

Pourquoi ne pas essayer quelque chose comme:

scale_color_manual(values = c("foo" = "#999999", "bar" = "#E69F00"))

Si vous avez des valeurs catégoriques, je ne vois pas pourquoi cela ne devrait pas fonctionner.

Sur la base de la réponse très utile de joran, j'ai pu trouver cette solution pour une échelle de couleurs stable pour un facteur booléen ( TRUE, FALSE).

boolColors <- as.character(c("TRUE"="#5aae61", "FALSE"="#7b3294"))
boolScale <- scale_colour_manual(name="myboolean", values=boolColors)

ggplot(myDataFrame, aes(date, duration)) + 
  geom_point(aes(colour = myboolean)) +
  boolScale

Puisque ColorBrewer n'est pas très utile avec les échelles de couleurs binaires, les deux couleurs nécessaires sont définies manuellement.

Voici mybooleanle nom de la colonne myDataFramecontenant le facteur TRUE / FALSE. dateet durationsont les noms de colonne à mapper sur les axes x et y du tracé dans cet exemple.