如何为ggplot中不同响应变量的sex设置不同颜色刻度？

问题需求 #

为变量sex设置不同的颜色刻度，区分对应响应变量n（物种计数）和avg_weight（平均体重）的折线，避免当前图中同一性别颜色同时对应两条线导致的混淆。

现有代码 #

yearly_sex_weight = surveys_complete %>%
  group_by(year, sex, species_id) %>%
  summarise(
    avg_weight = mean(weight)
  )

yearly_sex_species_counts = surveys_complete %>%
  count(year, sex, species_id)

yearly_sex_weight_count = full_join(yearly_sex_weight, yearly_sex_species_counts)

myplot = ggplot(
  data = yearly_sex_weight_count,
  mapping = aes(x = year)
) 

myplot + 
  geom_line(aes(y = avg_weight, group = sex, color = sex)) +
  geom_line(aes(y = n, color = sex)) +
  scale_color_manual(
    values = c(M = "blue", F = "pink")
  ) +
  facet_wrap(vars(species_id)) +
  theme_bw()

解决方案 #

方案1：转换数据为长格式（推荐）

将宽格式数据转为长格式，新增指标类型列，通过sex与指标的组合映射颜色，实现同一性别对应两种不同颜色区分指标。

library(tidyr)

# 转换数据为长格式，区分指标类型
yearly_sex_long = yearly_sex_weight_count %>%
  pivot_longer(
    cols = c(avg_weight, n), 
    names_to = "metric",  # 标记是平均体重还是计数
    values_to = "value"   # 对应数值
  )

# 绘图
ggplot(data = yearly_sex_long,
       aes(x = year, y = value, color = interaction(sex, metric))) +
  geom_line() +
  scale_color_manual(
    name = "性别 & 指标",
    values = c(
      "M_avg_weight" = "darkblue", "M_n" = "lightblue",
      "F_avg_weight" = "darkmagenta", "F_n" = "lightpink"
    )
  ) +
  facet_wrap(vars(species_id)) +
  theme_bw() +
  labs(y = "数值")

方案2：使用双颜色刻度（需额外包）

借助ggnewscale包添加第二个颜色刻度，分别为两个指标的sex设置独立颜色映射，生成两个图例。

# 安装依赖包（首次使用需执行）
# install.packages("ggnewscale")
library(ggnewscale)

myplot + 
  # 第一条折线：平均体重，对应性别颜色
  geom_line(aes(y = avg_weight, group = sex, color = sex)) +
  scale_color_manual(
    name = "平均体重（性别）",
    values = c(M = "darkblue", F = "darkmagenta")
  ) +
  # 开启新的颜色刻度
  new_scale_color() +
  # 第二条折线：物种计数，对应性别颜色
  geom_line(aes(y = n, color = sex)) +
  scale_color_manual(
    name = "物种数量（性别）",
    values = c(M = "lightblue", F = "lightpink")
  ) +
  facet_wrap(vars(species_id)) +
  theme_bw() +
  labs(y = "数值")

方案说明 #

• 方案1通过数据整理实现更简洁的ggplot语法，图例整合显示，适合追求数据规范的场景。
• 方案2保留原数据结构，两个图例分别对应不同指标，适合需要明确区分指标与性别对应关系的场景。

内容的提问来源于stack exchange，提问作者Justin Pretorius