学员在微信交流群分享了一个2024年5月的单细胞数据挖掘文章，标题是：《Single-cell combined with transcriptome sequencing to explore the molecular mechanism of cell communication in idiopathic pulmonary fibrosis》，研究者们重新分析了 GSE122960 这个单细胞转录组数据集.
第一层次降维聚类分群后简单的统计了一下每个单细胞亚群的数量，绘制条形图如下所示：
就很迷惑，8个单细胞亚群为什么就使用了4个颜色呢？
R语言配色大全
我比较喜欢下面的4个r包，简单快捷：
- RColorBrewer
- 由Cynthia A. Brewer开发的RColorBrewer包提供了一套精心挑选的颜色方案，特别适合制作地图和数据可视化。
- 它允许用户根据色盲友好性、颜色数量和颜色类型（如序列、发散和定性）选择颜色方案。
- ggsci
- ggsci（ggplot2 scientific）包允许用户在ggplot2的绘图中使用科学期刊的颜色方案，如《Nature》、《Science》等。
- 它提供了一个简单的接口来访问这些颜色方案，使得科研论文和报告的图表颜色更加专业和一致。
- randomcoloR
- randomcoloR包提供了一个函数，用于生成随机颜色方案，这对于需要快速创建颜色方案的用户来说非常有用。
- 它可以生成单色或多色方案，支持用户自定义颜色的数量和亮度。
- paletteer
- paletteer是一个统一的接口，用于访问多个颜色方案包，包括RColorBrewer、ggsci等。
- https://emilhvitfeldt.github.io/paletteer/
- 它提供了一个简单的方式来搜索和选择颜色方案，支持多种参数来定制颜色方案，如颜色的明暗、饱和度等。使用这些R包，你可以轻松地为你的数据可视化添加专业和吸引人的颜色方案。例如，使用RColorBrewer包时，你可以这样选择颜色方案：
library(RColorBrewer)
myPalette <- brewer.pal(name = "BuPu", n = 7) # 选择名为"BuPu"的颜色方案，获取7种颜色
使用ggsci包时，可以这样使用期刊的颜色方案：
代码语言：javascript复制library(ggsci)
ggplot(data, aes(x = x, y = y, color = group))
geom_point()
scale_color_nejm() # 使用《新英格兰医学杂志》的颜色方案
randomcoloR和paletteer的使用方式类似，都提供了直观的函数来生成和应用颜色方案。randomcoloR 包可以生成随机的颜色方案，非常适合当你需要快速创建一个颜色方案时使用。
# 安装randomcoloR包
install.packages("randomcoloR")
# 加载randomcoloR包
library(randomcoloR)
# 生成一组随机颜色
random_colors <- randomColor(5) # 生成5种随机颜色
# 打印这些颜色
print(random_colors)
randomColor 函数还可以接受参数来控制颜色的亮度和饱和度：
random_colors_light <- randomColor(5, luminosity = "light") # 生成亮度较高的颜色
random_colors_dark <- randomColor(5, luminosity = "dark") # 生成亮度较低的颜色
paletteer 包提供了一个统一的接口来访问多个颜色方案，包括 RColorBrewer、ggsci 等。详见：https://pmassicotte.github.io/paletteer_gallery/ 当然可以。以下是使用R语言和ggplot2包绘制一个简单的条形图的示例代码，并测试上面提到的四个R包（RColorBrewer、ggsci、randomcoloR 和 paletteer）的配色功能。
模拟数据进行条形图可视化并且配色
首先，我们需要安装和加载必要的包：
代码语言：javascript复制install.packages(c("ggplot2", "RColorBrewer", "ggsci", "randomcoloR", "paletteer"))
library(ggplot2)
library(RColorBrewer)
library(ggsci)
library(randomcoloR)
library(paletteer)
然后，我们模拟一些数据来绘制条形图：
代码语言：javascript复制# 模拟数据
df <- data.frame(
Category = rep(c("A", "B", "C", "D"), each = 2),
Value = c(23, 45, 32, 50, 18, 27, 42, 55)
)
接下来，我们将使用不同的颜色方案来绘制条形图。
使用 RColorBrewer 的颜色方案：
代码语言：javascript复制# 选择颜色方案
brewer_colors <- brewer.pal(name = "Set1", n = 4)
# 绘制条形图
ggplot(df, aes(x = Category, y = Value, fill = Category))
geom_bar(stat = "identity", color = "white")
scale_fill_manual(values = brewer_colors)
theme_minimal()
labs(title = "Simple Bar Plot with RColorBrewer Colors",
x = "Category",
y = "Value")
使用 ggsci 的颜色方案：
代码语言：javascript复制# 选择颜色方案
ggsci_colors <- ggsci::pal_npg("nrc")(4)
# 绘制条形图
ggplot(df, aes(x = Category, y = Value, fill = Category))
geom_bar(stat = "identity", color = "white")
scale_fill_manual(values = ggsci_colors)
theme_minimal()
labs(title = "Simple Bar Plot with ggsci Colors")
使用 randomcoloR 的颜色方案：
代码语言：javascript复制# 生成随机颜色方案
random_colors <- randomColor(4)
# 绘制条形图
ggplot(df, aes(x = Category, y = Value, fill = Category))
geom_bar(stat = "identity", color = "white")
scale_fill_manual(values = random_colors)
theme_minimal()
labs(title = "Simple Bar Plot with Random Colors")
使用 paletteer 的颜色方案：
代码语言：javascript复制# 选择颜色方案
paletteer_colors <- paletteer::paletteer_d("rcartocolor::Geyser")
# 绘制条形图
ggplot(df, aes(x = Category, y = Value, fill = Category))
geom_bar(stat = "identity", color = "white")
scale_fill_manual(values = paletteer_colors)
theme_minimal()
labs(title = "Simple Bar Plot with paletteer Colors")
运行上述代码后，你将得到四个不同的条形图，每个都使用了不同的颜色方案。这些示例展示了如何轻松地在ggplot2中应用不同的颜色方案来增强数据可视化的视觉效果。
