La gestione dei colori in ggplot

Abbiamo visto che in ggplot2 è possibile:

• indicare direttamente i colori (geom_point(col = “red”) o geom_barplot(fill = “red”)); oppure
• mappare una variabile (geom_point(aes(col = x)) o geom_barplot(aes(fill = x)));

vedi ggplot

Quando una variabile viene mappata per la selezione dei colori, viene prodotta anche una legenda.

A seconda del tipo di carattere rappresentato, vengono usate scale di colori diverse, ad esempio:

• carattere continuo vedi Grafici a dispersione, figura 1
• carattere discreto vedi Grafici a barre, figura 3
• carattere discreto ordinato: vedi Boxplot, figura 3

In particolare, per i caratteri continui, vengono utilizzate/create palette sequenziali (a gradiente), e divergenti (colori opposti e brillanti agli estremi, che sfumano al centro); per i caratteri discreti vengono invece utilizzate/create palette qualititative, con colori diversi fra di loro, ma di pari intensità/luminosità.

Tali scale possono essere modificate con una serie di funzioni che:

• iniziano con scale_;
• sono seguite da color_ (o colour_, è uguale) se l'argomento da utilizzare è col = ; da fill_ se l'argomento da utilizzare è fill = .

Ad esempio se abbiamo aes(col = x), useremo una funzione che inizia per scale_color_…(), mentre per aes(fill = x) indicheremo i colori con scale_fill_…():

• aes(col = x) + scale_color_…()
• aes(fill = x) + scale_fill_…()

Queste funzioni consentono anche di attribuire un nome arbitrario alla legenda, o di eliminarla:

• scale_color_gradient2(“cavalli”, …“) = la legenda avrà come titolo “cavalli” (figura 6)
• scale_color_gradient2(guide = FALSE) = la legenda verrà eliminata dal grafico (figura 1)

# Pacchetti
library(tidyverse)
library(carData)

ColorBrewer è uno strumento online per la selezione di palette di colori, e che offre diverse opzioni di palette di colori accessibili e distinguibili, suddivise fra sequenziali, divergenti e qualitative (<https://colorbrewer2.org>).

Per usare queste gamme di colori, integrate in ggplot2, si possono usare:

• scale_color_brewer() e scale_fill_brewer()per valori discreti
• scale_color_distiller() e scale_fill_distiller() per valori continui

Queste funzioni richiedono di indicare la palette brewer con un numero, ma possono essere usate anche con quelle standard, indicandole per nome. Queste saranno appropriatamente trasformate in rapporto al tipo di carattere rappresentato.

Fra tutte le funzioni indicate in tabella, queste sono piuttosto semplici, molto versatili, oltreché facili da ricordare. In realtà, infatti, anche se sono quattro, si tratta di ricordare brewer per i valori discreti e distiller per i valori continui.

scale_color_distiller() e scale_fill_distiller():

# distiller
Orange %>% 
  mutate("scarti" = circumference - mean(circumference)) %>% 
  ggplot(aes(x = Tree, y = scarti)) +
  geom_col(width = 0.7, aes(fill = scarti)) +
  ylab("circumference (scarti)") +
  theme_minimal() +
  coord_flip() +
  scale_fill_distiller(palette = "Greens",
                       guide = FALSE)       # senza legenda

Vedi anche grafici a barre, figura 6

# brewer
SLID %>% 
  ggplot(aes(education, wages)) +
  # valore discreto da rappresentare con i colori
  geom_point(aes(col = sex)) +            
  scale_color_brewer(palette = "Set1")

Orange %>% 
  ggplot(aes(Tree, circumference)) +
  geom_boxplot(aes(fill = Tree)) +
  scale_fill_brewer(palette = "PuBuGn")

Particolarmente utile è rappresentare i grafici in bianco e nero: spesso tesi, report e pubblicazioni scientifiche non prevedono l'uso del colore.

A tale scopo, per i caratteri continui, possiamo usare:

• scale_color_distiller(palette = “Greys”), o scale_fill_distiller(palette = “Greys”)

e magari scegliere il tema in bianco e nero con theme_bw()

cars %>% 
  ggplot(aes(speed, dist, col = speed)) +
  geom_point() +
  scale_color_distiller(palette = "Greys") +
  theme_bw()

mtcars %>% 
  ggplot(aes(wt, mpg)) +
  geom_point(aes(col = cyl), size = 2) +
  scale_color_distiller(palette = "Greys", 
                        # cambiare la direzione dei colori
                        direction = 1) +
  labs(x = "Peso", y = "Miglia/Gallone", col = "Cilindrata",
       caption = "Dataset: mtcars") +
  theme_bw()

Per i caratteri discreti è possibile usare:

• scale_color_brewer(palette = “Greys”), o scale_fill_brewer(palette = “Greys”)
• scale_color_grey() / scale_fill_grey()

Orange %>% 
  ggplot(aes(x = Tree, y = circumference, 
             fill = Tree)) +      
  geom_boxplot(alpha = 0.8) +
  labs(fill = NULL) +
  scale_fill_grey() +
  theme_bw()

oppure

Orange %>% 
  ggplot(aes(x = Tree, y = circumference, 
             fill = Tree)) +      
  geom_boxplot(alpha = 0.8) +
  labs(fill = NULL) +
  scale_fill_brewer(palette = "Greys") +
  theme_bw()

Per i valori continui, le funzioni da usare per definire “a mano” i colori per valori continui sono quelle della famiglia scale_color_gradient() / scale_fill_gradient(), che collegano le intensità dei valori e intensità di uno o più colori.

• Gradiente a due colori:

scale_color_gradient(low = "orange", high = "darkblue")

• Gradiente a tre colori, con valore intermedio:

scale_color_gradient2(low = "orange", mid = "white", high = "darkblue")

• Scala di grigi, scegliendo la gamma di grigi

scale_color_gradient(low = "grey80", high = "grey10")

Per i valori discreti, useremo scale_fill_manual():

• Indicare un colore o un vettore di colori

scale_fill_manual(values = c("red", "blue", "green"))

In tutti i casi, i colori potranno essere indicati

• ricorrendo alla palette in uso:

scale_color_gradient(low = 1, high = 5)

scale_fill_manual(values = palette()[c(4,3,5)])

La funzione è scale_color_gradient() / scale_fill_gradient(). Crea una palette sequenziale (a gradiente), e richiede indicare i colori per i valori low e high della variabile mappata:

# gradient
mtcars %>% 
  ggplot(aes(wt, mpg)) +
  geom_point(aes(col = hp), size = 2) +
  scale_color_gradient(low = "lightgrey", high = "purple") +
  theme_minimal()

Si possono indicare anche i colori della palette in uso:

scale_color_gradient(low = 1, high = 5)

Di conseguenza, è possibile cambiare la palette:

palette("Accent")
mtcars %>% 
  ggplot(aes(wt, mpg)) +
  geom_point(aes(col = hp), size = 2) +
  scale_color_gradient(low = palette()[3], high = palette()[5]) +
  theme_minimal()
palette("default")

La funzione scale_color_gradient2() / scale_fill_gradient2() consente di creare una palette divergente, e richiede di indicare i colori per i valori low, high e anche mid della variabile mappata. Di default il valore per mid è 0; nell'esempio che segue ho indicato la media, e ho tradotto il nome delle variabili, anche cambiando il titolo della legenda:

# gradient 2
mtcars %>% 
  ggplot(aes(wt, mpg)) +
  geom_point(aes(col = hp), size = 2) +
  labs(x = "peso", y = "miglia") +
  scale_color_gradient2('cavalli',      # titolo della legenda
                         low = 'darkgreen', mid = 'yellow', high = 'red',
                         midpoint = mean(mtcars$hp))

Abbastanza semplice, per i valori discreti, è indicare i colori con scale_fill_manual (o scale_fill_manual())

# manual
SLID %>% 
  ggplot(aes(sex)) +
  geom_bar(aes(fill = sex), width = 0.5) +
  scale_fill_manual(values=c("magenta", "blue"),
                    guide=FALSE)               

In questo modo, è anche molto semplice cambiare la palette (vedi Le palette).

palette(cm.colors(3))
SLID %>% 
  na.omit(language) %>% 
  ggplot(aes(language)) +
  geom_bar(aes(fill = language), width = 0.5) +
  scale_fill_manual(values=palette(),
                    guide=FALSE)
 
palette("default")

oppure

palette(cm.colors(3))
SLID %>% 
  na.omit(language) %>% 
  ggplot(aes(language)) +
  geom_bar(aes(fill = language), 
           width = 0.5, col = "black") +
  scale_fill_manual(values=palette()[c(3,1,2)],
                    guide=FALSE)         
palette("default")

La funzione scale_color_hue() non è molto semplice da usare, in quanto fa riferimento alla ruota dei colori. Con l'argomento h.start, si indica il punto di inizio (in gradi). È inoltre possibile specificare come dividere i colori, la luminosità, la saturazione ecc.

# hue
SLID %>% 
  ggplot(aes(education, wages)) +
  geom_point(aes(col = sex)) +
  scale_color_hue(h.start = 90)       # cambio il punto sulla color wheel  

Se la variabile mappata (o una diversa) è codificata in modo compatibile con la notazione dei colori (numeri o nomi dei colori), è possibile utilizzare scale_color_identity() o scale_fill_identity().

La legenda va aggiunta, perché di default non viene prodotta.

# identity
ChickWeight %>% 
  ggplot(aes(Time, weight)) +
  geom_point(aes(col = Diet)) +
  scale_color_identity(guide = "legend")      # aggiungo la legenda

Anche in questo caso, possiamo cambiare la palette:

palette(rainbow(4))
ChickWeight %>% 
  ggplot(aes(Time, weight)) +
  geom_point(aes(col = Diet)) +
  scale_color_identity(guide = "legend")
 
# torno alla palette di default
palette("default")

E' possibile scaricare ed eseguire lo script dell'esempio:

ggplot_base.R

# Pacchetti
library(tidyverse)
library(carData)
 
# distiller
Orange %>% 
  mutate("scarti" = circumference - mean(circumference)) %>% 
  ggplot(aes(x = Tree, y = scarti)) +
  geom_col(width = 0.7, aes(fill = scarti)) +
  ylab("circumference (scarti)") +
  theme_minimal() +
  coord_flip() +
  scale_fill_distiller(palette = "Greens",
                       guide = FALSE)       # senza legenda
 
# brewer
SLID %>% 
  ggplot(aes(education, wages)) +
  # valore discreto da rappresentare con i colori
  geom_point(aes(col = sex)) +            
  scale_color_brewer(palette = "Set1")
 
Orange %>% 
  ggplot(aes(Tree, circumference)) +
  geom_boxplot(aes(fill = Tree)) +
  scale_fill_brewer(palette = "PuBuGn")
 
# toni di grigio
cars %>% 
  ggplot(aes(speed, dist, col = speed)) +
  geom_point() +
  scale_color_distiller(palette = "Greys") +
  theme_bw()
 
Orange %>% 
  ggplot(aes(x = Tree, y = circumference, 
             fill = Tree)) +      
  geom_boxplot(alpha = 0.8) +
  labs(fill = NULL) +
  scale_fill_grey() +
  theme_bw()
 
# gradient
mtcars %>% 
  ggplot(aes(wt, mpg)) +
  geom_point(aes(col = hp), size = 2) +
  scale_color_gradient(low = "lightgrey", high = "purple") +
  theme_minimal()
 
# gradient2
mtcars %>% 
  ggplot(aes(wt, mpg)) +
  geom_point(aes(col = hp), size = 2) +
  labs(x = "peso", y = "miglia") +
  scale_color_gradient2('cavalli',      # titolo della legenda
                         low = 'darkgreen', mid = 'yellow', high = 'red',
                         midpoint = mean(mtcars$hp))
 
# manual
SLID %>% 
  ggplot(aes(sex)) +
  geom_bar(aes(fill = sex), width = 0.5) +
  scale_fill_manual(values=c("magenta", "blue"),
                    guide=FALSE)   
 
 
# hue
SLID %>% 
  ggplot(aes(education, wages)) +
  geom_point(aes(col = sex)) +
  scale_color_hue(h.start = 90)       # cambio il punto sulla colorwheel  
 
# identity
ChickWeight %>% 
  ggplot(aes(Time, weight)) +
  geom_point(aes(col = Diet)) +
  scale_color_identity(guide = "legend")      # aggiungo la legenda