Como atribuir cores a variáveis ​​categóricas no ggplot2 que possuem mapeamento estável?

Eu tenho me acostumado com R no último mês.

Aqui está a minha pergunta:

Qual é uma boa maneira de atribuir cores a variáveis ​​categóricas no ggplot2 que possuem mapeamento estável? Preciso de cores consistentes em um conjunto de gráficos que tenham subconjuntos diferentes e número diferente de variáveis ​​categóricas.

Por exemplo,

plot1 <- ggplot(data, aes(xData, yData,color=categoricaldData)) + geom_line()

onde categoricalDatatem 5 níveis.

E depois

plot2 <- ggplot(data.subset, aes(xData.subset, yData.subset, 
                                 color=categoricaldData.subset)) + geom_line()

onde categoricalData.subsettem 3 níveis.

No entanto, um nível específico que está em ambos os conjuntos terá uma cor diferente, o que dificulta a leitura dos gráficos juntos.

Preciso criar um vetor de cores no quadro de dados? Ou existe outra maneira de atribuir cores específicas a categorias?

Para situações simples como o exemplo exato no OP, concordo que a resposta de Thierry é a melhor. No entanto, acho útil ressaltar outra abordagem que se torna mais fácil quando você tenta manter esquemas de cores consistentes em vários quadros de dados que nem todos são obtidos com o subconjunto de um único quadro de dados grande. O gerenciamento dos níveis de fatores em vários quadros de dados pode se tornar tedioso se eles forem extraídos de arquivos separados e nem todos os níveis de fator aparecerem em cada arquivo.

Uma maneira de resolver isso é criar uma escala de cores manual personalizada da seguinte maneira:

#Some test data
dat <- data.frame(x=runif(10),y=runif(10),
        grp = rep(LETTERS[1:5],each = 2),stringsAsFactors = TRUE)

#Create a custom color scale
library(RColorBrewer)
myColors <- brewer.pal(5,"Set1")
names(myColors) <- levels(dat$grp)
colScale <- scale_colour_manual(name = "grp",values = myColors)

e adicione a escala de cores à plotagem, conforme necessário:

#One plot with all the data
p <- ggplot(dat,aes(x,y,colour = grp)) + geom_point()
p1 <- p + colScale

#A second plot with only four of the levels
p2 <- p %+% droplevels(subset(dat[4:10,])) + colScale

O primeiro gráfico é assim:

e o segundo gráfico é assim:

Dessa forma, você não precisa se lembrar ou verificar cada quadro de dados para ver se eles têm os níveis apropriados.

Estou na mesma situação apontada por malcook em seu comentário : infelizmente a resposta de Thierry não funciona com o ggplot2 versão 0.9.3.1.

png("figure_%d.png")
set.seed(2014)
library(ggplot2)
dataset <- data.frame(category = rep(LETTERS[1:5], 100),
    x = rnorm(500, mean = rep(1:5, 100)),
    y = rnorm(500, mean = rep(1:5, 100)))
dataset$fCategory <- factor(dataset$category)
subdata <- subset(dataset, category %in% c("A", "D", "E"))

ggplot(dataset, aes(x = x, y = y, colour = fCategory)) + geom_point()
ggplot(subdata, aes(x = x, y = y, colour = fCategory)) + geom_point()

Aqui está a primeira figura:

e a segunda figura:

Como podemos ver, as cores não permanecem fixas, por exemplo, E muda de magenta para azul.

Conforme sugerido por malcook em seu comentário e por hadley em seu comentário, o código que usa limitsfunciona corretamente:

ggplot(subdata, aes(x = x, y = y, colour = fCategory)) +       
    geom_point() + 
    scale_colour_discrete(drop=TRUE,
        limits = levels(dataset$fCategory))

fornece a seguinte figura, que está correta:

Esta é a saída de sessionInfo():

R version 3.0.2 (2013-09-25)
Platform: x86_64-pc-linux-gnu (64-bit)

locale:
 [1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C              
 [3] LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8    
 [5] LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8   
 [7] LC_PAPER=en_US.UTF-8       LC_NAME=C                 
 [9] LC_ADDRESS=C               LC_TELEPHONE=C            
[11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C       

attached base packages:
[1] methods   stats     graphics  grDevices utils     datasets  base     

other attached packages:
[1] ggplot2_0.9.3.1

loaded via a namespace (and not attached):
 [1] colorspace_1.2-4   dichromat_2.0-0    digest_0.6.4       grid_3.0.2        
 [5] gtable_0.1.2       labeling_0.2       MASS_7.3-29        munsell_0.4.2     
 [9] plyr_1.8           proto_0.3-10       RColorBrewer_1.0-5 reshape2_1.2.2    
[13] scales_0.2.3       stringr_0.6.2 

A solução mais fácil é converter sua variável categórica em um fator anterior ao subconjunto. Bottomline é que você precisa de uma variável fator com exatamente os mesmos níveis em todos os seus subconjuntos.

library(ggplot2)
dataset <- data.frame(category = rep(LETTERS[1:5], 100), 
    x = rnorm(500, mean = rep(1:5, 100)), y = rnorm(500, mean = rep(1:5, 100)))
dataset$fCategory <- factor(dataset$category)
subdata <- subset(dataset, category %in% c("A", "D", "E"))

Com uma variável de caractere

ggplot(dataset, aes(x = x, y = y, colour = category)) + geom_point()
ggplot(subdata, aes(x = x, y = y, colour = category)) + geom_point()

Com uma variável fator

ggplot(dataset, aes(x = x, y = y, colour = fCategory)) + geom_point()
ggplot(subdata, aes(x = x, y = y, colour = fCategory)) + geom_point()

Este é um post antigo, mas eu estava procurando resposta para essa mesma pergunta,

Por que não tentar algo como:

scale_color_manual(values = c("foo" = "#999999", "bar" = "#E69F00"))

Se você tiver valores categóricos, não vejo uma razão para que isso não funcione.

Com base na resposta muito útil de joran, consegui encontrar esta solução para uma escala de cores estável para um fator booleano ( TRUE, FALSE).

boolColors <- as.character(c("TRUE"="#5aae61", "FALSE"="#7b3294"))
boolScale <- scale_colour_manual(name="myboolean", values=boolColors)

ggplot(myDataFrame, aes(date, duration)) + 
  geom_point(aes(colour = myboolean)) +
  boolScale

Como o ColorBrewer não é muito útil em escalas de cores binárias, as duas cores necessárias são definidas manualmente.

Aqui mybooleanestá o nome da coluna que myDataFramecontém o fator TRUE / FALSE. datee durationsão os nomes das colunas a serem mapeadas para os eixos xey da plotagem neste exemplo.