ggplot2 配色渐变 二色/三色梯度

摘要:
双色梯度low和high控制梯度两颜色。例:ggplot()+geom_point+scale_colour_gradient三色梯度函数是scale_colour_gradient2()和scale_fill_gradient2()。顺序是低-中-高。

scale_colour_gradient()和scale_fill_gradient():指定双色梯度。顺序由低到高。

双色梯度low和high控制梯度两颜色。

例:

ggplot() + geom_point(data = mtcars, 
                      aes(x = mpg, y = disp, color = qsec)) + 
  scale_colour_gradient(low = "green", high = "red")

ggplot2 配色渐变 二色/三色梯度第1张

三色梯度函数是scale_colour_gradient2()和scale_fill_gradient2()。顺序是低-中-高。参数low、mid和high控制梯度颜色,参数midpoint设定中点值。

ggplot() + geom_point(data = mtcars, 
                      aes(x = mpg, y = disp, color = qsec)) + 
  scale_colour_gradient2(low = "blue", mid = "black", high = "red",
                         midpoint = 18)

ggplot2 配色渐变 二色/三色梯度第2张

自定义的n色梯度:scale_colour_gradientn()和scale_fill_gradientn()。参考https://www.jianshu.com/p/2fc71d3c207b

离散型的颜色赋值常见的有用变量赋值或指定颜色

免责声明:文章转载自《ggplot2 配色渐变 二色/三色梯度》仅用于学习参考。如对内容有疑问,请及时联系本站处理。

上篇如何在 Matlab 中绘制带箭头的坐标系Chrome开发者工具详解(2)下篇

宿迁高防,2C2G15M,22元/月;香港BGP,2C5G5M,25元/月 雨云优惠码:MjYwNzM=

相关文章

Python——彩图变线稿

思路: 1、用灰度变化来模拟视觉的明暗程度; 2、把彩图转为灰度数组; 3、求出梯度数组,即灰度变化率数组; 4、预设灰度值10,范围0-100,衰减到10%,这将对灰度变化率按作衰减; 5、令z变化率为1,对x、y、z的作归一化处理; 6、定义一个光源,附视角接近90度,方位角45度; 7、令对角线长度为单位1,分别计算光源在x、y、z轴的投影值; 8、...

最优化 梯度 海塞矩阵

一、方向导数 limt->0f(x0+td)-f(x0) / t 存在 则该极限为f在x0处沿方向d的方向导数 记为 ∂ f/∂ d 下降方向: 方向导数∂ f/∂ d <0 ,则d为f在x0处的下降方向 二、梯度 对于向量x,若每个偏导数 ∂ f/∂ x(i) 都存在 则列向量为f在x处的梯度 记号 ▽f(x) 三、可微与梯度 可微则一定存在...

RNN学习笔记

传统的语言模型在预测序列中的下一个单词时只会考虑到前面的有限个单词,RNN与之不同,RNN网络会根据前面已经出现的所有输入来调整整个网络。下图是RNN网络的典型结构: Xt表示在t时刻的输入,ht表示t时刻的隐藏层状态,yt表示t时刻的输出。每一个隐藏层都有许多的神经元,这些神经元将上一层的输入做线性变换(矩阵乘法,也就是乘以权重),然后再使用非线性激活...

权值初始化

设计好神经网络结构以及loss function 后,训练神经网络的步骤如下: 初始化权值参数 选择一个合适的梯度下降算法(例如:Adam,RMSprop等) 重复下面的迭代过程: 输入的正向传播 计算loss function 的值 反向传播,计算loss function 相对于权值参数的梯度值 根据选择的梯度下降算法,使用梯度值更新每个权值参数...

机器学习算法与Python实践之(七)逻辑回归(Logistic Regression)

http://blog.csdn.net/zouxy09/article/details/20319673 机器学习算法与Python实践之(七)逻辑回归(Logistic Regression) zouxy09@qq.com http://blog.csdn.net/zouxy09 机器学习算法与Python实践这个系列主要是参考《机器学习实战》这本书...

机器学习速成笔记一

定义:机器学习系统通过如何组合输入信息来对从未见过的数据做出有用的预测。 基本术语 标签:标签是我们要预测的事物,即简单线性回归中的(y)变量。 特征:特征是输入变量,即简单线性回归中的(x)变量,特征可以有多个,是一种可量化的指标。 样本:样本是指数据的特定实例(X),样本分为有标签样本和无标签样本。 模型:模型定义了特征与标签之间的关系。 训练:是指...