Comment générer un certain nombre de couleurs les plus distinctives dans R?

Je trace un ensemble de données catégoriques et je souhaite utiliser des couleurs distinctives pour représenter différentes catégories. Étant donné un nombre n, comment puis-je obtenir le nnombre de couleurs les plus distinctives dans R? Merci.

J'ai rejoint toutes les palettes qualitatives du RColorBrewerpackage. Les palettes qualitatives sont censées fournir chacune X couleurs les plus distinctives. Bien sûr, les mélanger dans une palette de couleurs similaires, mais c'est le meilleur que je puisse obtenir (74 couleurs).

library(RColorBrewer)
n <- 60
qual_col_pals = brewer.pal.info[brewer.pal.info$category == 'qual',]
col_vector = unlist(mapply(brewer.pal, qual_col_pals$maxcolors, rownames(qual_col_pals)))
pie(rep(1,n), col=sample(col_vector, n))

Une autre solution est: prenez toutes les couleurs R des appareils graphiques et échantillonnez-les. J'ai supprimé les nuances de gris car elles sont trop similaires. Cela donne 433 couleurs

color = grDevices::colors()[grep('gr(a|e)y', grDevices::colors(), invert = T)]

pie(rep(1,n), col=sample(color, n))

avec 200 couleurs n = 200:

pie(rep(1,n), col=sample(color, n))

Voici quelques options:

1. Jetez un œil à la palettefonction:

    palette(rainbow(6))     # six color rainbow
    (palette(gray(seq(0,.9,len = 25)))) #grey scale

2. Et la colorRampPalettefonction:

    ##Move from blue to red in four colours
    colorRampPalette(c("blue", "red"))( 4) 

3. Regardez le colorBrewerpackage (et le site Web ). Si vous voulez des couleurs divergentes, sélectionnez divergentes sur le site. Par exemple,

    library(colorBrewer)
    brewer.pal(7, "BrBG")

4. Le site Web I want hue propose de nombreuses palettes intéressantes. Encore une fois, sélectionnez simplement la palette dont vous avez besoin. Par exemple, vous pouvez obtenir les couleurs RVB du site et créer votre propre palette:

    palette(c(rgb(170,93,152, maxColorValue=255),
        rgb(103,143,57, maxColorValue=255),
        rgb(196,95,46, maxColorValue=255),
        rgb(79,134,165, maxColorValue=255),
        rgb(205,71,103, maxColorValue=255),
        rgb(203,77,202, maxColorValue=255),
        rgb(115,113,206, maxColorValue=255)))

Vous pouvez également essayer le randomcoloRpackage :

library(randomcoloR)
n <- 20
palette <- distinctColorPalette(n)

Vous pouvez voir qu'un ensemble de couleurs très distinctes est choisi lors de la visualisation dans un graphique à secteurs (comme suggéré par d'autres réponses ici):

pie(rep(1, n), col=palette)

Représenté dans un camembert avec 50 couleurs:

n <- 50
palette <- distinctColorPalette(n)
pie(rep(1, n), col=palette)

Ce n'est pas une réponse à la question d'OP, mais il convient de mentionner qu'il existe un viridispackage qui a de bonnes palettes de couleurs pour les données séquentielles. Ils sont perceptuellement uniformes, sûrs pour les daltoniens et faciles à imprimer.

Pour obtenir la palette, installez simplement le package et utilisez la fonction viridis_pal(). Il y a quatre options "A", "B", "C" et "D" à choisir

install.packages("viridis")
library(viridis)
viridis_pal(option = "D")(n)  # n = number of colors seeked

Il y a aussi une excellente présentation expliquant la complexité des bonnes couleurs sur YouTube:

Une meilleure palette de couleurs par défaut pour Matplotlib | SciPy 2015 | Nathaniel Smith et Stéfan van der Walt

Vous pouvez utiliser à colorRampPalettepartir de la base ou du RColorBrewerpackage:

Avec colorRampPalette, vous pouvez spécifier les couleurs comme suit:

colorRampPalette(c("red", "green"))(5)
# [1] "#FF0000" "#BF3F00" "#7F7F00" "#3FBF00" "#00FF00"

Vous pouvez également fournir des codes hexadécimaux:

colorRampPalette(c("#3794bf", "#FFFFFF", "#df8640"))(5)
# [1] "#3794BF" "#9BC9DF" "#FFFFFF" "#EFC29F" "#DF8640"
# Note that the mid color is the mid value...

Avec RColorBrewervous pouvez utiliser des couleurs de palettes préexistantes:

require(RColorBrewer)
brewer.pal(9, "Set1")
# [1] "#E41A1C" "#377EB8" "#4DAF4A" "#984EA3" "#FF7F00" "#FFFF33" "#A65628" "#F781BF"
# [9] "#999999"

Regarder RColorBrewer package pour d'autres palettes disponibles. J'espère que cela t'aides.

Je recommanderais d'utiliser une source externe pour les grandes palettes de couleurs.

http://tools.medialab.sciences-po.fr/iwanthue/

dispose d'un service pour composer n'importe quelle taille de palette selon divers paramètres et

/graphicdesign/3682/where-can-i-find-a-large-palette-set-of-contrasting-colors-for-coloring-many-d/3815

traite du problème générique du point de vue des graphistes et donne de nombreux exemples de palettes utilisables.

Pour constituer une palette à partir de valeurs RVB, il vous suffit de copier les valeurs dans un vecteur comme par exemple:

colors37 = c("#466791","#60bf37","#953ada","#4fbe6c","#ce49d3","#a7b43d","#5a51dc","#d49f36","#552095","#507f2d","#db37aa","#84b67c","#a06fda","#df462a","#5b83db","#c76c2d","#4f49a3","#82702d","#dd6bbb","#334c22","#d83979","#55baad","#dc4555","#62aad3","#8c3025","#417d61","#862977","#bba672","#403367","#da8a6d","#a79cd4","#71482c","#c689d0","#6b2940","#d593a7","#895c8b","#bd5975")

J'ai trouvé un site internet proposant une liste de 20 couleurs distinctives: https://sashat.me/2017/01/11/list-of-20-simple-distinct-colors/

col_vector<-c('#e6194b', '#3cb44b', '#ffe119', '#4363d8', '#f58231', '#911eb4', '#46f0f0', '#f032e6', '#bcf60c', '#fabebe', '#008080', '#e6beff', '#9a6324', '#fffac8', '#800000', '#aaffc3', '#808000', '#ffd8b1', '#000075', '#808080', '#ffffff', '#000000')

Vous pouvez essayer!

Vous pouvez générer un ensemble de couleurs comme celui-ci:

myCol = c("pink1", "violet", "mediumpurple1", "slateblue1", "purple", "purple3",
          "turquoise2", "skyblue", "steelblue", "blue2", "navyblue",
          "orange", "tomato", "coral2", "palevioletred", "violetred", "red2",
          "springgreen2", "yellowgreen", "palegreen4",
          "wheat2", "tan", "tan2", "tan3", "brown",
          "grey70", "grey50", "grey30")

Ces couleurs sont aussi distinctes que possible. Pour ces couleurs similaires, elles forment un dégradé afin que vous puissiez facilement distinguer les différences entre elles.

Dans ma compréhension, la recherche de couleurs distinctives est liée à une recherche efficace à partir d'un cube unitaire, où 3 dimensions du cube sont trois vecteurs le long des axes rouge, vert et bleu. Cela peut être simplifié pour rechercher dans un cylindre (analogie HSV), où vous fixez la saturation (S) et la valeur (V) et trouvez des valeurs de teinte aléatoires. Cela fonctionne dans de nombreux cas, et voyez ceci ici:

https://martin.ankerl.com/2009/12/09/how-to-create-random-colors-programmatically/

En R,

get_distinct_hues <- function(ncolor,s=0.5,v=0.95,seed=40) {
  golden_ratio_conjugate <- 0.618033988749895
  set.seed(seed)
  h <- runif(1)
  H <- vector("numeric",ncolor)
  for(i in seq_len(ncolor)) {
    h <- (h + golden_ratio_conjugate) %% 1
    H[i] <- h
  }
  hsv(H,s=s,v=v)
}

Une autre manière consiste à utiliser le package R "uniformément" https://cran.r-project.org/web/packages/uniformly/index.html

et cette fonction simple peut générer des couleurs distinctives:

get_random_distinct_colors <- function(ncolor,seed = 100) {
  require(uniformly)
  set.seed(seed)
  rgb_mat <- runif_in_cube(n=ncolor,d=3,O=rep(0.5,3),r=0.5)
  rgb(r=rgb_mat[,1],g=rgb_mat[,2],b=rgb_mat[,3])
}

On peut penser à une fonction un peu plus impliquée par la recherche de grille:

get_random_grid_colors <- function(ncolor,seed = 100) {
  require(uniformly)
  set.seed(seed)
  ngrid <- ceiling(ncolor^(1/3))
  x <- seq(0,1,length=ngrid+1)[1:ngrid]
  dx <- (x[2] - x[1])/2
  x <- x + dx
  origins <- expand.grid(x,x,x)
  nbox <- nrow(origins) 
  RGB <- vector("numeric",nbox)
  for(i in seq_len(nbox)) {
    rgb <- runif_in_cube(n=1,d=3,O=as.numeric(origins[i,]),r=dx)
    RGB[i] <- rgb(rgb[1,1],rgb[1,2],rgb[1,3])
  }
  index <- sample(seq(1,nbox),ncolor)
  RGB[index]
} 

vérifiez cette fonction en:

ncolor <- 20
barplot(rep(1,ncolor),col=get_distinct_hues(ncolor))          # approach 1
barplot(rep(1,ncolor),col=get_random_distinct_colors(ncolor)) # approach 2
barplot(rep(1,ncolor),col=get_random_grid_colors(ncolor))     # approach 3

Cependant, notez que définir une palette distincte avec des couleurs perceptibles par l'homme n'est pas simple. Laquelle des approches ci-dessus génère un ensemble de couleurs diversifié doit encore être testée.

Vous pouvez utiliser le package Polychrome à cet effet. Cela nécessite juste le nombre de couleurs et quelques-unes seedcolors. Par exemple:

# install.packages("Polychrome")
library(Polychrome)

# create your own color palette based on `seedcolors`
P36 = createPalette(36,  c("#ff0000", "#00ff00", "#0000ff"))
swatch(P36)

Vous pouvez en savoir plus sur ce package à l' adresse https://www.jstatsoft.org/article/view/v090c01 .