需要は本当にあまりにも一般的です!問題に注意を払うには、いくつかの重要な単語を強調した。まず、高速で、第二、第三の大多数が大幅に異なっています。元素の多量は、メタゲノム解析の種などの異なる試料の明確に区別図比較されるようにした場合:
方法の一つ:カスタマイズ
カスタム色:色差を選択することの利点は重要である、欠点は、時間がかかり、私は、目がクロスステッチに持っているどのように多くの選挙分からないです。
Rカラープレートがペーストを検索すること自由に、多くのサイトを確認することができます。https://www.sojson.com/rgb.html
cb_palette <- c("#ed1299", "#09f9f5", "#246b93", "#cc8e12", "#d561dd", "#c93f00", "#ddd53e",
"#4aef7b", "#e86502", "#9ed84e", "#39ba30", "#6ad157", "#8249aa", "#99db27", "#e07233", "#ff523f",
"#ce2523", "#f7aa5d", "#cebb10", "#03827f", "#931635", "#373bbf", "#a1ce4c", "#ef3bb6", "#d66551",
"#1a918f", "#ff66fc", "#2927c4", "#7149af" ,"#57e559" ,"#8e3af4" ,"#f9a270" ,"#22547f", "#db5e92",
"#edd05e", "#6f25e8", "#0dbc21", "#280f7a", "#6373ed", "#5b910f" ,"#7b34c1" ,"#0cf29a" ,"#d80fc1",
"#dd27ce", "#07a301", "#167275", "#391c82", "#2baeb5","#925bea", "#63ff4f")
方法2:RColorBrewerパッケージ
パッケージを使用してRColorBrewerパネル。
library(RColorBrewer)
display.brewer.all()
ビューカラーパネル:
色分けされた差異の大きなパネルから選択するだけでなく、選択する必要があり、かつ比較的少ない数:
brewer.pal(9, "Set1") #只有9个
c(brewer.pal(9, "Set1") ,brewer.pal(9, "Set3") ) #也可结合,但颜色区分不大,数目也还是少
colorRampPalette(c("red", "green"))(5)
rainbow(60) #彩虹色很容易生成,但数目一多很难区分,因为是渐变的。
これらのパネルは、わずかにスクリーニング過程で、組み込むことができます。
library(RColorBrewer)
qual_col_pals = brewer.pal.info[brewer.pal.info$category == 'qual',]
#处理后有73种差异还比较明显的颜色,基本够用
col_vector = unlist(mapply(brewer.pal, qual_col_pals$maxcolors, rownames(qual_col_pals)))
#看下中间60种颜色的效果
pie(rep(1,n), col=sample(col_vector, 60))
取得するために、図2の方法:
方法3:randomcoloR
要約すると、この方法は、今ではほとんどの州コード最も適切です。しかし、あまりにも多くの色は、その後、同様の多くがなければなりません。ランダムにあまりにも、シードた場合、まあ生成されるように、この方法を繰り返すことができないとの結果が得られ。
library(randomcoloR)
palette <- randomColor(count = 60) #随机生成60种颜色,其实里面有重复的
palette <- distinctColorPalette(60) #差异明显的60种
結局のところ、完璧なこの問題を解決するために、一見難しく、また、メインカラー非常に少ないです。以下では、図の第三の方法が得られます。