R语言调色板

相信各位在肝图表写论文时，一定都会思考：这张图表用啥颜色？论文整体配色搭配怎么把控才好看？

毕竟高分期刊大牛文章的共通点，除了论文精彩，整体配色也十分具有吸引力。

许多在线配色/提取颜色的工具效果不错，通过下载大牛文章使用PS、AI等直接“偷色”也不是难事。如今即便自己缺少美学灵感，但仍可以做到轻松获取出彩的配色方案。有兴趣可参考往期推文： 《作图颜色调得好，高分文章跑不了！》 、 《如何“偷走”大牛文章漂亮的配色？》

但上述方法可能不适用所有情景（特别是R绘图时）。只需要少量颜色的情况还好，直接通过十六进制颜色码自定义配色即可，做到好看十分简单。

但当绘制一些如堆叠图、桑基图等的多分组图表时，当你需要自定义十几种甚至更多颜色时（如下图），在找配色上就会花费非常多的时间，根据数据的不同，有些需要渐变配色（容易一点），有些则需要离散配色（这个最难），不太适合懒人。

（ ISME ,2021）

因此，今天给大家介绍四个能轻松获取高分科学期刊同款配色方案的R包，并讲述如何基于这四个配色包，生成任意所需数量的超好看配色。当然，也能提取出配色方案，“反向”运用于Origin、AI、Excel等其它软件图形的绘制。

# 1. ggsci #

此包是基于ggplot2的颜色主题包，内置的配色方案都为各类科学期刊、科幻电影常用配色。由于篇幅受限，这里仅展示部分常用科学期刊配色，剩余大家自行查看帮助文档。

#相关包的安装和载入

install.packages('ggsci')

library(ggsci)

library(ggplot2)

#查看此包帮助文档（共提供18种配色方案，点击名称即可跳转到对应配色说明及案例）

vignette( "ggsci")

#提取配色的通用函数(palname替换为配色方案名称即可，详见帮助文档)

#scale_color_palname

#scale_fill_palname

#使用R内置数据集创建箱线图作为本次范例：

data(singer,package= "lattice")

p<-ggplot(singer,aes(x=voice.part,y=height,fill=voice.part,color=voice.part,alpha=0.8))+geom_boxplot

p<-p+theme_bw+coord_fixed(ratio=0.25)

#使用Nature配色(NPG)

p2<-p+scale_color_npg+scale_fill_npg

p2

#使用Science配色(AAAS)

p3<-p+scale_color_aaas+scale_fill_aaas

p3

#使用柳叶刀配色(Lancet)

p5<-p+scale_color_lancet+scale_fill_lancet

p5

#使用Journal of Clinical Oncology配色(JCO)

p6<-p+scale_color_jco+scale_fill_jco

p6

那么如何将心仪的颜色提取出来呢？不同的配色方案本质就是不同十六进制颜色码向量的集合。但ggsci包有些特殊，颜色向量集的名称并不和帮助文档中所给的对应配色方案名称对应，因此需要多一步自行查找。

#查看选中配色方案的帮助文档 （以Nature的配色NPG为例）

library( "scales")

? scale_color_npg

查看NPG的帮助文档可发现，此配色方案包含共10种颜色，颜色向量集名称为“nrc”，可以调整透明度。

#可选择提取≤10种颜色，但可通过调节透明度产出不同明度的配色方案

mycolor<-pal_npg( "nrc", alpha = 0.5)(8) #提取8种颜色，透明度80%

mycolor

show_col(mycolor)

ggsci包中其余配色方案也可通过此方法来获取十六进制颜色码，大家可根据需要直接复制颜色码或者保存配色图片。

# 2. RColorBrewer #

这个包的使用频率也非常高，上一周推文 《如何绘制Science文章的“花式”河流图？》 中就使用它进行配色。

#RColorBrewer包的安装和载入

install.packages('RColorBrewer')

library(RColorBrewer)

#查看帮助文档

? RColorBrewer

#查看全部配色方案

display.brewer. all

#作者将上述配色方案分为了三类（从上至下）：连续型(sequential)、离散型(Qualitative)、极端型(Diverging),可适用于不同类型的分类变量（非常方便！），以下代码可分别进行查看

display.brewer. all(type= "seq")

display.brewer. all(type= "qual")

display.brewer. all(type= "div")

#使用Spectral配色方案

mycolor2<-brewer.pal(11, "Spectral")#可选择的颜色数量区间在此配色最大数和绘图所需数之间

p7<-p+scale_fill_manual(values=rev(mycolor2))+

scale_color_manual(values=rev(mycolor2))

p7

#使用YlOrRd配色方案

mycolor3<-brewer.pal(9, "YlOrRd")

p8<-p+scale_fill_manual(values=rev(mycolor3))+

scale_color_manual(values=rev(mycolor3))

p8

RColorBrewer包可直接提取配色，颜色集合的名称和配色方案名称相同。

#提取所需配色的十六进制颜色

brewer.pal(9, "YlOrRd")

show_col(mycolor3)

两个包的基础用法就介绍到这。此外，文首提到的常见情况——分类变量非常多的情况怎么办？上述R包里每种方案所包含的颜色数量似乎也就10来种，似乎不够用？

#方法一：

使用colorRampPalette扩展上述R包颜色

#这个函数的基本用法：基于指定的颜色向量，生成指定数量的渐变颜色

col3<-colorRampPalette(c('blue','white','red'))(30)

show_col(col3)

#使用colorRampPalette扩展R包配色方案中的颜色

col4<-colorRampPalette(brewer.pal(8,'Set2'))(56)#将RColorBrewer包中的Set2方案8个颜色扩展为56个

col5<-colorRampPalette((pal_npg( "nrc")(9)))(56)#将ggsci包中的NPG方案9个颜色扩展为56个

show_col(col4)

show_col(col5)

当然，你也可以通过从配色包中提取出心仪的十六进制颜色码，去任意指定自己所需颜色，这里不再展示。

#方法二：

使用paletteer包

朋友们，如果上述方法还不能满足你的要求，那就用用看paletteer！这个包中共收录了52个R包中的2,100种配色方案，都可直接调用，出现“配色荒”算我输！

#paletteer包的安装、调用、查看帮助文档

install.packages( "paletteer")

library(paletteer)

? paletteer

Paletteer包中针对不同数据类型（连续型、离散型），存在两种调用函数，详见下文：

1.连续型配色方案：和colorRampPalette函数类似，可以基于选定的配色主题扩展出任意所需数量颜色。

#生成连续型配色方案（基于选定的配色主题拓展出所需任意数量的颜色）：

c_palettes<- palettes_c_names#查看所有配色

我们可以看到，连续型配色方案中共有330种方案，每个方案都可以生成指定数量颜色~

#引号处配色名称可直接Tab键浏览选取，也可以直接输入，格式为：R包名称::配色方案名称

paletteer_c( "gameofthrones::targaryen", n = 40)

paletteer_c( "gameofthrones::arya", n = 15)

paletteer_c( "pals::ocean.matter", n = 25)

我们任意盲挑几种搭配，生成不同数量的颜色，如下图，十六进制颜色码都叠加在对应颜色上，我们在挑配色时就太方便啦（当然也可以生成色卡直接导出，见前文，这里不赘述）！

2.离散型配色方案：虽然每种配色方案依然有最大颜色数限制，但架不住收纳的配色主题多啊（共有2,037种配色方案）！从几种，到十几种、二三十种、上百种颜色的配色方案都完美囊括。

#生成离散型配色方案：

d_palettes<- palettes_d_names#查看所有配色 ，共计2037种配色方案

paletteer_d( "ggthemes::Classic_20",n=20) #随机选一个查看

#将随机选取的Classic_20配色方案运用于箱线图示例：

mycol<-paletteer_d( "ggthemes::Classic_20",n=20)

p9<-p+scale_fill_manual(values=rev(mycol))+

scale_color_manual(values=rev(mycol))

p9

真的随便乱挑出来的配色都好好看！

#方法三：

使用colorpicker包

paletteer还不满足，看来是时候展现真正的技术，自己手动丰衣足食了！

R语言的难点之一就是啥都要敲代码，搞得上个色都那么艰难。但是，colorpicker为我们提供了一个交互式颜色获取面板，让你能够体验“非R”的轻松愉快（简单来说，你可以不用敲代码直接点点点快速获取颜色）。

#colorpicker包的安装、调用

install.packages( "colourpicker")

library(colourpicker)

col_colourpicker<-#先设置需要赋值的颜色名，鼠标选择在Addins处选择colourpicker

然后会出来一个交互式面板（像是在用别的软件了呢），如下：

在Any colour面板，你可以点击“+”任意添加所需颜色数量，在“Select any colour”处任意挑选颜色，或者直接输入十六进制颜色码，如下图。

在Find R colour面板，你可以任意选择一个颜色，并生成一组40个颜色以内的相近色搭配色板，根据需要点击颜色将其添加到“Selected colours”处。

最后，在All R colour面板提供了好看的配色库可自行挑选添加，在完成颜色选择后，我们点击右上角的Done即可输出十六进制颜色码或者颜色名称。

col_map<-c( "#E07979", "#801212", "#EDB4B4", "#4169E1", "#6CA6CD", "#48D1CC", "#FFC0CB", "#96CDCD")

对于想自行控制配色的人来说，简直太方便啦！

上述方法都能够快速生成任意所需数量的科学期刊配色方案！根据自己的需求选择适合自己的方法吧！今天的分享就到这里

https://colorbrewer2.org/

R语言生信绘图配色（GGSCI包）--SCI论文配色

标签：生信R语言r语言视图设计rgb生物学

R语言生信学习-GGSCI包介绍–SCI论文的配色

对于我这条使用R语言来绘图的生信而言，最令我绝望的便是关于配色的问题，很多时候自己选的颜色看上去会特别生硬，就算使用colorRampPalette产生渐变色也感觉不够理想。无意间，我看到了“ggsci”这个包，它完全就是为了SCI配色而设计的，下面我将挑选一些重要的函数来讲解，详细的内容可以去看官网的说明。

内置函数介绍：

这些是帮助页面中的函数以及简短的介绍：

pal_aaas AAAS Journal Color Palettes

pal_d3 D3.js Color Palettes

pal_futurama The Futurama Color Palettes

pal_gsea The GSEA GenePattern Color Palettes

pal_igv Integrative Genomics Viewer (IGV) Color Palettes

pal_jama Journal of the American Medical Association Color Palettes

pal_jco Journal of Clinical Oncology Color Palettes

pal_lancet Lancet Journal Color Palettes

pal_locuszoom LocusZoom Color Palette

pal_material Material Design Color Palettes

pal_nejm NEJM Color Palettes

pal_npg NPG Journal Color Palettes

pal_rickandmorty Rick and Morty Color Palettes

pal_simpsons The Simpsons Color Palettes

pal_startrek Star Trek Color Palettes

pal_tron Tron Legacy Color Palettes

pal_uchicago The University of Chicago Color Palettes

pal_ucscgb UCSC Genome Browser Color Palette

rgb_gsea The GSEA GenePattern Color Palettes

rgb_material Material Design Color Palettes

scale_color_aaas AAAS Journal Color Scales

scale_color_d3 D3.js Color Scales

scale_color_futurama The Futurama Color Scales

scale_color_gsea The GSEA GenePattern Color Scales

scale_color_igv Integrative Genomics Viewer (IGV) Color Scales

scale_color_jama Journal of the American Medical Association Color Scales

scale_color_jco Journal of Clinical Oncology Color Scales

scale_color_lancet Lancet Journal Color Scales

scale_color_locuszoom LocusZoom Color Scales

scale_color_material Material Design Color Palettes

scale_color_nejm NEJM Color Scales

scale_color_npg NPG Journal Color Scales

scale_color_rickandmorty Rick and Morty Color Scales

scale_color_simpsons The Simpsons Color Scales

scale_color_startrek Star Trek Color Scales

scale_color_tron Tron Legacy Color Scales

scale_color_uchicago The University of Chicago Color Scales

scale_color_ucscgb UCSC Genome Browser Color Scales

scale_colour_aaas AAAS Journal Color Scales

scale_colour_d3 D3.js Color Scales

scale_colour_futurama The Futurama Color Scales

scale_colour_gsea The GSEA GenePattern Color Scales

scale_colour_igv Integrative Genomics Viewer (IGV) Color Scales

scale_colour_jama Journal of the American Medical Association Color Scales

scale_colour_jco Journal of Clinical Oncology Color Scales

scale_colour_lancet Lancet Journal Color Scales

scale_colour_locuszoom LocusZoom Color Scales

scale_colour_material Material Design Color Palettes

scale_colour_nejm NEJM Color Scales

scale_colour_npg NPG Journal Color Scales

scale_colour_rickandmorty Rick and Morty Color Scales

scale_colour_simpsons The Simpsons Color Scales

scale_colour_startrek Star Trek Color Scales

scale_colour_tron Tron Legacy Color Scales

scale_colour_uchicago The University of Chicago Color Scales

scale_colour_ucscgb UCSC Genome Browser Color Scales

scale_fill_aaas AAAS Journal Color Scales

scale_fill_d3 D3.js Color Scales

scale_fill_futurama The Futurama Color Scales

scale_fill_gsea The GSEA GenePattern Color Scales

scale_fill_igv Integrative Genomics Viewer (IGV) Color Scales

scale_fill_jama Journal of the American Medical Association Color Scales

scale_fill_jco Journal of Clinical Oncology Color Scales

scale_fill_lancet Lancet Journal Color Scales

scale_fill_locuszoom LocusZoom Color Scales

scale_fill_material Material Design Color Palettes

scale_fill_nejm NEJM Color Scales

scale_fill_npg NPG Journal Color Scales

scale_fill_rickandmorty Rick and Morty Color Scales

scale_fill_simpsons The Simpsons Color Scales

scale_fill_startrek Star Trek Color Scales

scale_fill_tron Tron Legacy Color Scales

scale_fill_uchicago The University of Chicago Color Scales

scale_fill_ucscgb UCSC Genome Browser Color Scales

函数解释：

根据说明书我们可以简单的将它们分成三类：pal,rgb,scale，前两个可以生成不同的颜色组，scale可以直接用与ggplot中。

PAL_:

pal的调用都是一个模板，其中只有两个参数：

palette的default默认参数（只用7个基础色），alpha代表透明度，取值在（0，1）间，越大越透明.

在pal后面加上（6）代表只产生6个颜色。

pal_aaas(palette=c("default"),alpha=1)(6)

1

上面是pal_aaas的一个例子，若想查看具体是哪一些颜色可以使用“scales”包来实现：

library("scales")

library("ggsci")

show_col(pal_aaas("default")(7))  #图一

show_col(pal_aaas("default", alpha = 0.6)(7))  #图二

show_col(pal_aaas("default", alpha = 0.2)(4))  #图三

图一至图三：

以上是pal颜色的介绍，它的配色方案采用的是很多论文中的技巧，例如Integrative Genomics Viewer (IGV)的配色，Lancet Journal （柳叶刀）的配色，Journal of Clinical Oncology的配色等等，可以按照需求利用这些配色方案来完成绘图任务。

RGB:

在ggsci包中，只有rgb_gsea和rgb_material这两个基于RGB色彩模式的函数【红、绿、蓝】，但是它们的用法还是有一些差别：

rgb_gsea(palette = c("default"), n = 12, alpha = 1, reverse = FALSE)

rgb_material(palette = c("red", "pink", "purple", "deep-purple", "indigo",

  "blue", "light-blue", "cyan", "teal", "green", "light-green", "lime",

  "yellow", "amber", "orange", "deep-orange", "brown", "grey", "blue-grey"),

  n = 10, alpha = 1, reverse = FALSE)

参数详解：

n：产生多少个独立的颜色

alpha：透明度

reverse：逻辑值，决定颜色的排序是否反序

palette：在rgb_material中有19种配色方案

实例：

library("scales")

show_col(pal_material("indigo")(10))

show_col(pal_material("indigo", n = 20, alpha = 0.6, reverse = TRUE)(13))

SCALE：

个人感觉scale函数是整个“ggsci”包中最简单和常用的包，只需要在ggplot后面+上看中的scale颜色方案，即可完成配色，下面是一些实例的使用，分别是基于柳叶刀的配色方案（scale_fill_lancet()），基于GSEA（scale_fill_gsea()）和基于Integrative Genomics Viewer (IGV)的配色方案（ scale_fill_igv()）

library("ggplot2")

data("diamonds")

ggplot(subset(diamonds, carat > 2.2 & depth > 55 & depth < 70),

      aes(x = depth, fill = cut)) +

  geom_histogram(colour = "black", binwidth = 1, position = "dodge") +

  theme_bw() + scale_fill_lancet()

library("ggplot2")

library("reshape2")

data("mtcars")

cor = cor(mtcars)

cor_melt = melt(cor)

ggplot(cor_melt,

      aes(x = Var1, y = Var2, fill = value)) +

  geom_tile(colour = "black", size = 0.3) +

  theme_bw() + scale_fill_gsea()

library("ggplot2")

data("diamonds")

p = ggplot(subset(diamonds, carat > 2.2 & depth > 55 & depth < 70),

            aes(x = depth, fill = cut)) +

  geom_histogram(colour = "black", binwidth = 1, position = "dodge") +

  theme_bw()

p + scale_fill_igv()

以上便是ggsci包的简介，希望对每一个学习生信的人都有所帮助，我这里也会不断把学习中遇到的问题和经验发上来，希望志同道合的朋友能和我多多讨论，一起学习。

参考文献

ggsci的官网地址：https://nanx.me/ggsci/articles/ggsci.html#discrete-color-palettes

1. 简介

ggsci是一款优秀的ggplot2的配色包，包含了常见杂志的配色，比如lancet，jco，jama，nejm等，主要通过以下2句代码进行配色：

scale_folor_palname

scale_fill_palname

所有的配色方案如下表格所示：

2.离散型配色

先准备2个图形，使用原始配色。

rm(list = ls())

library("ggsci")

library("ggplot2")

## Warning: package 'ggplot2' was built under R

## version 4.0.5

library("gridExtra")

data("diamonds")

p1 = ggplot(subset(diamonds, carat >= 2.2),

            aes(x = table, y = price, colour = cut)) +

  geom_point(alpha = 0.7) +

  geom_smooth(method = "loess", alpha = 0.05, size = 1, span = 1) +

  theme_bw()

p2 = ggplot(subset(diamonds, carat > 2.2 & depth > 55 & depth < 70),

            aes(x = depth, fill = cut)) +

  geom_histogram(colour = "black", binwidth = 1, position = "dodge") +

  theme_bw()

grid.arrange(p1, p2, ncol = 2)

## `geom_smooth()` using formula 'y ~ x'

## AAAS配色方案

p1_aaas = p1 + scale_color_aaas()

p2_aaas = p2 + scale_fill_aaas()

grid.arrange(p1_aaas, p2_aaas, ncol = 2)

## `geom_smooth()` using formula 'y ~ x'

## nejm配色

p1_nejm = p1 + scale_color_nejm()

p2_nejm = p2 + scale_fill_nejm()

grid.arrange(p1_nejm, p2_nejm, ncol = 2)

## `geom_smooth()` using formula 'y ~ x'

## lancet

p1_lancet = p1 + scale_color_lancet()

p2_lancet = p2 + scale_fill_lancet()

grid.arrange(p1_lancet, p2_lancet, ncol = 2)

## `geom_smooth()` using formula 'y ~ x'

## jama

p1_jama = p1 + scale_color_jama()

p2_jama = p2 + scale_fill_jama()

grid.arrange(p1_jama, p2_jama, ncol = 2)

## `geom_smooth()` using formula 'y ~ x'

## jco

p1_jco = p1 + scale_color_jco()

p2_jco = p2 + scale_fill_jco()

grid.arrange(p1_jco, p2_jco, ncol = 2)

## `geom_smooth()` using formula 'y ~ x'

## ucscgb

p1_ucscgb = p1 + scale_color_ucscgb()

p2_ucscgb = p2 + scale_fill_ucscgb()

grid.arrange(p1_ucscgb, p2_ucscgb, ncol = 2)

## `geom_smooth()` using formula 'y ~ x'

## d3

p1_d3 = p1 + scale_color_d3()

p2_d3 = p2 + scale_fill_d3()

grid.arrange(p1_d3, p2_d3, ncol = 2)

## `geom_smooth()` using formula 'y ~ x'

## locuszoom

p1_locuszoom = p1 + scale_color_locuszoom()

p2_locuszoom = p2 + scale_fill_locuszoom()

grid.arrange(p1_locuszoom, p2_locuszoom, ncol = 2)

## `geom_smooth()` using formula 'y ~ x'

## igv

p1_igv_default = p1 + scale_color_igv()

p2_igv_default = p2 + scale_fill_igv()

grid.arrange(p1_igv_default, p2_igv_default, ncol = 2)

## `geom_smooth()` using formula 'y ~ x'

## uchicago

p1_uchicago = p1 + scale_color_uchicago()

p2_uchicago = p2 + scale_fill_uchicago()

grid.arrange(p1_uchicago, p2_uchicago, ncol = 2)

## `geom_smooth()` using formula 'y ~ x'

## star trek

p1_startrek = p1 + scale_color_startrek()

p2_startrek = p2 + scale_fill_startrek()

grid.arrange(p1_startrek, p2_startrek, ncol = 2)

## `geom_smooth()` using formula 'y ~ x'

## tron legacy

p1_tron = p1 + theme_dark() + theme(

    panel.background = element_rect(fill = "#2D2D2D"),

    legend.key = element_rect(fill = "#2D2D2D")) +

  scale_color_tron()

p2_tron = p2 + theme_dark() + theme(

    panel.background = element_rect(fill = "#2D2D2D")) +

  scale_fill_tron()

grid.arrange(p1_tron, p2_tron, ncol = 2)

## `geom_smooth()` using formula 'y ~ x'

## futurama

p1_futurama = p1 + scale_color_futurama()

p2_futurama = p2 + scale_fill_futurama()

grid.arrange(p1_futurama, p2_futurama, ncol = 2)

## `geom_smooth()` using formula 'y ~ x'

## rick and morty

p1_rickandmorty = p1 + scale_color_rickandmorty()

p2_rickandmorty = p2 + scale_fill_rickandmorty()

grid.arrange(p1_rickandmorty, p2_rickandmorty, ncol = 2)

## `geom_smooth()` using formula 'y ~ x'

## simpsons

p1_simpsons = p1 + scale_color_simpsons()

p2_simpsons = p2 + scale_fill_simpsons()

grid.arrange(p1_simpsons, p2_simpsons, ncol = 2)

## `geom_smooth()` using formula 'y ~ x'

3.连续性颜色配色

## 先用默认配色

library("reshape2")

data("mtcars")

cor = cor(unname(cbind(mtcars, mtcars, mtcars, mtcars)))

cor_melt = melt(cor)

p3 = ggplot(cor_melt, aes(x = Var1, y = Var2, fill = value)) +

  geom_tile(colour = "black", size = 0.3) +

  theme_bw() +

  theme(axis.title.x = element_blank(),

        axis.title.y = element_blank())

p3

## gsea配色

p3_gsea    = p3 + scale_fill_gsea()

p3_gsea_inv = p3 + scale_fill_gsea(reverse = TRUE)

grid.arrange(p3_gsea, p3_gsea_inv, ncol = 2)

## material design配色

library("reshape2")

set.seed(42)

k = 9

x = diag(k)

x[upper.tri(x)] = runif(sum(1:(k - 1)), 0, 1)

x_melt = melt(x)

p4 = ggplot(x_melt, aes(x = Var1, y = Var2, fill = value)) +

  geom_tile(colour = "black", size = 0.3) +

  scale_x_continuous(expand = c(0, 0)) +

  scale_y_continuous(expand = c(0, 0)) +

  theme_bw() + theme(

    legend.position = "none", plot.background = element_blank(),

    axis.line = element_blank(), axis.ticks = element_blank(),

    axis.text.x = element_blank(), axis.text.y = element_blank(),

    axis.title.x = element_blank(), axis.title.y = element_blank(),

    panel.background = element_blank(), panel.border = element_blank(),

    panel.grid.major = element_blank(), panel.grid.minor = element_blank())

p4

## 使用19种material disign

grid.arrange(

  p4 + scale_fill_material("red"),        p4 + scale_fill_material("pink"),

  p4 + scale_fill_material("purple"),      p4 + scale_fill_material("deep-purple"),

  p4 + scale_fill_material("indigo"),      p4 + scale_fill_material("blue"),

  p4 + scale_fill_material("light-blue"),  p4 + scale_fill_material("cyan"),

  p4 + scale_fill_material("teal"),        p4 + scale_fill_material("green"),

  p4 + scale_fill_material("light-green"), p4 + scale_fill_material("lime"),

  p4 + scale_fill_material("yellow"),      p4 + scale_fill_material("amber"),

  p4 + scale_fill_material("orange"),      p4 + scale_fill_material("deep-orange"),

  p4 + scale_fill_material("brown"),      p4 + scale_fill_material("grey"),

  p4 + scale_fill_material("blue-grey"),

  ncol = 6)

4.获取配色的色值

mypal = pal_npg("nrc", alpha = 0.7)(9)

mypal

## [1] "#E64B35B2" "#4DBBD5B2" "#00A087B2"

## [4] "#3C5488B2" "#F39B7FB2" "#8491B4B2"

## [7] "#91D1C2B2" "#DC0000B2" "#7E6148B2"

library("scales")

## Warning: package 'scales' was built under R

## version 4.0.5

show_col(mypal)

本文内容主要参考ef="https://cran.r-project.org/web/packages/ggsci/vignettes/ggsci.html#introduction%E3%80%82%22ggsci%22">ggsic官方网站