如何在ggplot同一张图中为不同数据框的同一变量设置不同颜色渐变

问题根源 #

ggplot中同一美学属性（比如colour）只能绑定一个比例尺（scale），你后续添加的scale_colour_gradient会直接覆盖之前的设置，所以最终只有最后一个渐变规则生效。

解决方案 #

方法1：合并数据框（推荐，符合ggplot设计逻辑） #

将三个数据框合并并新增分组标记，通过分组控制不同的颜色渐变，这是ggplot推荐的长数据处理方式。

步骤1：合并数据

给每个数据框添加标记列，再合并为一个整体：

# 为每个数据集添加分组标记
datamid$Run <- "Mid"
datahigh$Run <- "High"
datalow$Run <- "Low"

# 合并成单个数据框
combined_data <- rbind(datamid, datahigh, datalow)

步骤2：生成分组渐变颜色

对每个分组内的Temp.mean做归一化，再映射到你指定的渐变区间：

library(ggplot2)
library(scales)

# 定义每个分组的渐变颜色
grad_map <- list(
  Mid = c("blue", "red"),
  High = c("green", "yellow"),
  Low = c("purple", "orange")
)

# 计算每个数据点的对应颜色
combined_data <- combined_data |>
  dplyr::group_by(Run) |>
  mutate(Temp_norm = scales::rescale(Temp.mean)) |>
  dplyr::ungroup() |>
  mutate(
    point_col = dplyr::case_when(
      Run == "Mid" ~ scales::colour_ramp(grad_map$Mid)(Temp_norm),
      Run == "High" ~ scales::colour_ramp(grad_map$High)(Temp_norm),
      Run == "Low" ~ scales::colour_ramp(grad_map$Low)(Temp_norm)
    )
  )

步骤3：绘制图形

用colour = point_col绑定预计算的颜色，同时保留其他映射规则：

ggplot(combined_data, aes(x = mass.mat, y = age.mat)) +
  ggtitle("Mass and age at maturity") +
  # 按分组+Temp.mean绘制路径
  geom_path(aes(group = interaction(Run, Temp.mean), colour = point_col)) +
  geom_point(aes(colour = point_col, shape = as.factor(Temp.amp), size = as.factor(Temp.amp))) +
  # 保留原有的形状、大小设置
  scale_shape_manual(values = c('0.001'=17, '4'=16, '6'=16, '8'=16, '10'=16)) +
  scale_size_manual(values = c('0.001'=2, '4'=4, '6'=6, '8'=8, '10'=10)) +
  # 使用identity比例尺，直接映射预计算的颜色
  scale_colour_identity(
    guide = "legend",
    labels = c(
      "Mid: Blue → Red",
      "High: Green → Yellow",
      "Low: Purple → Orange"
    ),
    name = "Run & Temp Gradient"
  ) +
  scale_x_continuous(limits = c(150, 525)) +
  scale_y_continuous(limits = c(6, 25)) +
  labs(
    x = "Mass@maturity (arbitrary)",
    y = "Age@maturity (days)",
    shape = "Amplitude (°C)"
  ) +
  theme_light(base_size = 22) +
  theme(legend.background = element_rect(fill = "transparent"))

方法2：使用ggnewscale添加独立颜色比例尺 #

如果不想修改原始数据，可以用ggnewscale包在同一张图中添加多个同类型的颜色比例尺，每个图层组使用独立的渐变规则。

步骤1：安装并加载包

install.packages("ggnewscale")
library(ggnewscale)

步骤2：修改绘图代码

在每个新数据框的图层前添加new_scale_colour()，重置颜色比例尺：

library(ggplot2)

# 初始绘制datamid的图层
plot_final <- ggplot(data = datamid, aes(x = mass.mat, y = age.mat)) +
  ggtitle("Mass and age at maturity") +
  geom_path(aes(group = Temp.mean, colour = Temp.mean)) +
  geom_point(aes(colour = Temp.mean, shape = as.factor(Temp.amp), size = as.factor(Temp.amp))) +
  scale_shape_manual(values = c('0.001'=17, '4'=16, '6'=16, '8'=16, '10'=16)) +
  scale_size_manual(values = c('0.001'=2, '4'=4, '6'=6, '8'=8, '10'=10)) +
  scale_colour_gradient(low = "blue", high = "red", na.value = NA, name = "Mid: Mean (°C)") +
  scale_x_continuous(limits = c(150, 525)) +
  scale_y_continuous(limits = c(6, 25)) +
  labs(
    x = "Mass@maturity (arbitrary)",
    y = "Age@maturity (days)",
    shape = "Amplitude (°C)"
  ) +
  theme_light(base_size = 22) +
  theme(legend.background = element_rect(fill = "transparent"))

# 添加datahigh图层，用new_scale_colour重置颜色比例尺
plot_final <- plot_final +
  new_scale_colour() +
  geom_path(data = datahigh, aes(group = Temp.mean, colour = Temp.mean)) +
  geom_point(data = datahigh, aes(colour = Temp.mean, shape = as.factor(Temp.amp), size = as.factor(Temp.amp))) +
  scale_colour_gradient(low = "green", high = "yellow", na.value = NA, name = "High: Mean (°C)")

# 添加datalow图层，再次重置颜色比例尺
plot_final <- plot_final +
  new_scale_colour() +
  geom_path(data = datalow, aes(group = Temp.mean, colour = Temp.mean)) +
  geom_point(data = datalow, aes(colour = Temp.mean, shape = as.factor(Temp.amp), size = as.factor(Temp.amp))) +
  scale_colour_gradient(low = "purple", high = "orange", na.value = NA, name = "Low: Mean (°C)")

# 显示图形
plot_final

方法对比 #

• 方法1：符合ggplot的长数据设计，图例整合更简洁，便于后续扩展，但需要预处理数据。
• 方法2：无需修改原始数据，代码改动小，适合快速调整，但会生成多个独立图例，可能需要额外调整布局。

内容的提问来源于stack exchange，提问作者Nate Trf