首页 培训机构文章正文

干货满满（可视化图表教程）可视化图表色系太丑？！试试这几个方法吧~~，

培训机构 2025年11月24日 22:31 17 sansa2025
干货满满（可视化图表教程）可视化图表色系太丑？！试试这几个方法吧~~， 目录： 1.可视化图表配色 2.可视化图表怎么运用 3.可视化图表模板 4.可视化图表制作工具 5.可视化图表在线制作 6.三种可视化图表形式的优点和局限 7.可视化图表是什么意思 8.可视化图表demo 9.可视化分析图表样式 10.可视化图表展示 1.可视化图表配色

在很多的可视化图表绘制中，都会涉及到颜色设置，很多人绘制的图表默认样式，估计都是这样的：

2.可视化图表怎么运用

这样的可视化结果不仅不能达到出版级别效果，而且还会让读者或者审稿人失去阅读兴趣，那么，有读者会问了： 怎么才能把它变得更加高级呢？ 今天小编就给大家介绍几个可以让你的图表轻松实现高级配色的小技巧 。

3.可视化图表模板

使用自定义颜色 在绘制统计图表时，使用自定义颜色去映射数据往往是最高效的方法，你只需使用颜色吸取器工具获取喜欢色系的RGB或者16进制颜色值即可，此外，你也可以直接给定颜色值 在R语言的ggplot2绘制图表过程中，你只需使用 。

4.可视化图表制作工具

scale_fill_manual() / scale_color_manual() （ 用于定性/分类颜色） 或 scale_fill_gradident() / scale_color_gradient()

5.可视化图表在线制作

（ 用于顺序/连续颜色） 在这些函数中，你可以给定提供一个颜色向量，可以是命名的颜色，如 red、 goldenrod3、 midnightblue等等，也可以是十六进制代码，如 #FF4136 。

6.三种可视化图表形式的优点和局限

、 #0074D9和 #FF851B 16进制代码颜色： plot_qualitative+ scale_fill_manual( values = c("#0074D9","#B10DC9"

7.可视化图表是什么意思

,"#85144b","#FF4136","#FF851B") )

8.可视化图表demo

渐变色系中颜色值设置： plot_sequential+ scale_color_gradient(low ="chocolate1", high ="chocolate4")

9.可视化分析图表样式

在某些情况下，使用者需要专门构建有多个颜色值组成的颜色系，以供整个绘图任务中所有图形使用，如在R语言中，你通过如下颜色构建出自己的颜色系： my_colors<- c("#0039A6","#CC0000"

10.可视化图表展示

,"#374057","#0071CE","#00AEEF","#97CAEB","#EEEEEE","#CCCCCC","#767679") 可以使用scale包中的show_col()函数，对整个色系进行显示，如下：

scales::show_col(gsu_colors)

您也可以在 scale_fill_manual() / scale_color_manual() 中使用它们： plot_qualitative+ scale_fill_manual( values = my_colors[

1:5] )

自定义颜色用现有且经过科学验证的颜色板 Okabe-Ito 调色板 2008 年， Masataka Okabe 和 Kei Ito开发了一种针对所有类型色觉缺陷的定性调色板，颜色如下：

您可以将它与 {ggokabeito} 包 和 scale_fill_okabe_ito() /一起使用 scale_color_okabe_ito() ： plot_qualitative

+ scale_fill_okabe_ito()

viridis 调色板 viridis调色板是在所有绘图工具中较为常见的调色板之一，如在matplotlib和R语言中的viridis包中都有提供完整的色系选项 viridis 调色板随 {ggplot2} 一起提供，您可以将它们与 。

离散数据一起使用，也 scale_fill_viridis_d() 可以 将它们 与连续数据一起使用 scale_color_viridis_d() scale_fill_viridis_c() 。

scale_color_viridis_c() plasma色系： plot_qualitative+ scale_fill_viridis_d(option ="plasma")

mako色系： plot_qualitative+ scale_fill_viridis_d(option ="mako")

inferno色系： plot_qualitative+ scale_fill_viridis_d(option ="inferno")

科学彩色地图系列色系 scico 软件包提供了大量来自“科学色彩图”项目的其他类似且设计精良的调色板。该项目包含顺序调色板、发散调色板、定性调色板，甚至还有多顺序调色板和循环调色板。

batlow色系： plot_qualitative+ scale_fill_scico_d(palette ="batlow")

roma色系： plot_diverging+ scale_fill_scico_d(palette ="roma")

取色工具 地理学家辛西娅·布鲁尔（Cynthia Brewer）开发了一套专为提升地图可读性而设计的调色板，但她的调色板也同样适用于常规地块这些调色板按顺序/发散/定性进行分类，并提供了按色盲友好度和打印友好度进行筛选的选项。

效果如下：

要使用其中一个调色板，请留意它在网站上的名称，并将该名称用作参数paletteColorBrewer 调色板自带于 {ggplot2}，您可以将它们用于 scale_fill_brewer() /

scale_color_brewer() 离散数据和scale_fill_distiller()/scale_color_distiller()连续数据 YLOrRd 色系： plot_sequential。

+ scale_color_distiller(palette ="YlOrRd")

CARTOColors颜色包 商业 GIS 服务CARTO创建了 CARTOColors ：一组类似 ColorBrewer 的开源地理颜色库同样，这些颜色库最初是为地图设计的，但它们也非常适合常规数据可视化。

颜色系选项如下：

您需要安装 {rcartocolor} 软件包 才能使用它们加载 {rcartocolor} 软件包后，您可以使用任何调色板 用于 scale_fill_carto_d() / scale_color_carto_d() 。

离散数据， scale_fill_carto_c() 用于连续数据 在参数中使用 CARTOColors 网站 scale_color_carto_c() 上调色板的名称 PurpOr 。

色系： plot_sequential+ scale_color_carto_c(palette ="PurpOr")

Temps 色系： plot_diverging+scale_fill_carto_d(palette ="Temps", direction = -1)

以上，就是小编我在进行可视化图表绘制过程中，常用几种颜色修改方式和对应的工具包你学会了吗？ 想学习更多 可视化设计思维技巧 ，欢迎点击关注我，查看1000多篇原创可视化设计相关文章： 如果你想30天系统提升数据可视化能力，推荐 。

DataCharm系列课程。适合打算 系统学习可视化 的朋友。

点击下方 阅读原文 获取更多数据可视化课程

标签： 可视化图表怎么运用 可视化图表模板 可视化图表是什么意思 可视化图表制作工具 可视化图表分析 可视化图表在线制作 可视化图表的优缺点 三种可视化图表形式的优点和局限 可视化图表demo 可视化图表教程

相关文章

发表评论

培训网 备案号：渝ICP备2025060457号-5