在ggplot2的scale_fill_gradientn中调整连续色条刻度为百分位断点并实现均匀分布的方法

嘿，我完全get到你的需求啦——你用分位数来设置颜色渐变，就是为了突出热力图里的差异，但默认的色条刻度没法对应这些分位数，而且刻度间距不均匀，导致绿色区间的细节看不清。下面给你两种解决方案，先从你更偏好的分位数方法说起：

方法一：基于分位数实现均匀刻度的连续色条 #

核心思路是：让颜色在色条上的分界点均匀分布（用0到1之间的等距概率点），同时把这些位置对应的实际分位数数值作为刻度标签显示出来。这样既保留了分位数渐变的优势，又能让色条刻度清晰均匀。

修改后的完整代码如下：

set.seed(123)
library(ggplot2)

df = data.frame(
  "x_var" = factor(rep(letters[1:10], 100)),
  "y_var" = factor(rep(LETTERS[1:10], each=100)),
  "fill_var" = sample(c(rexp(200, rate = 100),rexp(600, rate = 10), rexp(100, rate = 1), rexp(100, rate = 0.01)))
)

fill_colours = c("chartreuse4", "chartreuse3", "darkolivegreen2",
                 "khaki", "gold", "darkorange", "firebrick", "darkred")

# 1. 定义分位数的概率点（0到1之间等距，对应色条上的均匀位置）
prob_points <- c(0, seq(0.05, 0.95, length.out = length(fill_colours)-2), 1)
# 2. 计算这些概率点对应的实际分位数数值
quantile_vals <- quantile(df$fill_var, prob_points)

ggplot(data = df, aes(x = x_var, y = y_var, fill = fill_var)) +
  geom_tile() +
  scale_fill_gradientn(
    colours = fill_colours,
    values = prob_points,  # 用概率点设置颜色在色条上的均匀分界
    breaks = quantile_vals,  # 刻度对应实际分位数数值
    labels = round(quantile_vals, 2),  # 格式化标签，保留两位小数更易读
    guide = guide_colorbar(
      ticks = prob_points,  # 强制刻度在色条上均匀分布
      ticklength = unit(0.2, "cm"),
      frame.colour = "black"  # 给色条加边框，更清晰
    )
  ) +
  theme_minimal()

关键细节说明： #

• values = prob_points：这个参数控制颜色在色条上的位置，用0-1的等距值保证颜色分界均匀，解决了你原来代码中用实际数值导致色条刻度不均的问题。
• breaks = quantile_vals + labels = round(quantile_vals, 2)：让刻度显示的是数据的实际分位数数值，而不是概率点。
• guide = guide_colorbar(ticks = prob_points)：强制刻度标记在色条的均匀位置上，完美匹配颜色分界点。

方法二：对数变换+显示原始数值 #

如果你想尝试对数变换来压缩大值区间，同时让色条刻度均匀，还可以用这种方法——核心是用对数变换调整色条分布，但刻度标签显示原始数据值而不是变换后的值：

set.seed(123)
library(ggplot2)

# 复用之前的df和fill_colours、quantile_vals
ggplot(data = df, aes(x = x_var, y = y_var, fill = fill_var)) +
  geom_tile() +
  scale_fill_gradientn(
    colours = fill_colours,
    trans = "log1p",  # 用log1p避免0值报错，数据无0也可以用log10
    breaks = quantile_vals,  # 同样用分位数作为刻度断点
    labels = round(quantile_vals, 2),  # 显示原始数值
    guide = guide_colorbar(
      # 计算变换后刻度在色条上的位置，保证均匀分布
      ticks = (log1p(quantile_vals) - log1p(min(df$fill_var)))/(log1p(max(df$fill_var)) - log1p(min(df$fill_var)))
    )
  ) +
  theme_minimal()

注意事项： #

• 如果你的数据中没有0值，可以把trans = "log1p"换成trans = "log10"，变换更直观。
• 这种方法适合数据分布极度偏态的情况，能让小值区间的颜色差异更明显。

备注：内容来源于stack exchange，提问作者Léa