R语言ggplot2：如何通过循环优化散点图着色代码？

我有一段可正常运行的代码如下：

library(ggplot2)

ggplot(data = iris, aes(x = Sepal.Length, y = Petal.Length)) +
  geom_point(color =
               case_when(
                   iris[["Sepal.Length"]] > 7 ~ rgb(133, 188, 121, maxColorValue = 255),
                   iris[["Sepal.Length"]] > 6 ~ rgb(83, 110, 155, maxColorValue = 255),
                   iris[["Sepal.Length"]] > 5 ~ rgb(111, 112, 107, maxColorValue = 255),
                   iris[["Sepal.Length"]] > 4 ~ rgb(249, 222, 91, maxColorValue = 255),
                   TRUE ~ NA
                 )
             )

这段代码通过case_when函数根据Sepal.Length的区间为散点图着色，但存在大量重复代码。想通过循环结构生成着色规则实现散点图着色，已知可以用eval(parse(text="...string from a loop comes in here..."))，但有没有更优雅的实现方式？

优雅实现方式 #

方法1：用cut()分箱映射颜色（最贴合ggplot范式） #

先将Sepal.Length按指定阈值分箱，再把分箱结果和颜色做映射，完全避免重复写条件：

library(ggplot2)

# 定义区间阈值和对应颜色（注意顺序和区间匹配）
thresholds <- c(4, 5, 6, 7)
color_palette <- c(
  rgb(249, 222, 91, maxColorValue = 255),
  rgb(111, 112, 107, maxColorValue = 255),
  rgb(83, 110, 155, maxColorValue = 255),
  rgb(133, 188, 121, maxColorValue = 255)
)

# 对Sepal.Length分箱：区间为(4,5], (5,6], (6,7], (7,Inf)，right=FALSE表示左开右闭
iris$length_bin <- cut(iris$Sepal.Length, breaks = c(-Inf, thresholds, Inf), right = FALSE)

ggplot(data = iris, aes(x = Sepal.Length, y = Petal.Length)) +
  geom_point(aes(color = length_bin)) +
  scale_color_manual(values = color_palette, na.value = NA) +
  theme(legend.position = "none") # 不需要图例可删除此行

方法2：动态构建case_when条件对（保留case_when逻辑） #

如果想继续用case_when，可以通过列表生成条件-颜色表达式，再用!!!（大爆炸运算符）展开，无需eval(parse)：

library(ggplot2)
library(dplyr)
library(purrr)

# 按阈值从高到低定义规则（case_when按顺序匹配，高阈值优先）
rule_set <- list(
  list(threshold = 7, color = rgb(133, 188, 121, maxColorValue = 255)),
  list(threshold = 6, color = rgb(83, 110, 155, maxColorValue = 255)),
  list(threshold = 5, color = rgb(111, 112, 107, maxColorValue = 255)),
  list(threshold = 4, color = rgb(249, 222, 91, maxColorValue = 255))
)

# 生成case_when的条件表达式
case_exprs <- map(rule_set, function(rule) {
  expr(Sepal.Length > !!rule$threshold ~ !!rule$color)
})

# 添加默认匹配规则
case_exprs <- c(case_exprs, expr(TRUE ~ NA))

ggplot(data = iris, aes(x = Sepal.Length, y = Petal.Length)) +
  geom_point(color = case_when(!!!case_exprs))

方法3：用findInterval()快速匹配颜色（高效简洁） #

findInterval能快速定位每个数值所属的区间，再通过索引取对应颜色，代码更精简：

library(ggplot2)

thresholds <- c(4, 5, 6, 7)
color_palette <- c(
  rgb(249, 222, 91, maxColorValue = 255),
  rgb(111, 112, 107, maxColorValue = 255),
  rgb(83, 110, 155, maxColorValue = 255),
  rgb(133, 188, 121, maxColorValue = 255)
)

# 找到每个Sepal.Length对应的区间索引，调整索引匹配颜色顺序
color_idx <- findInterval(iris$Sepal.Length, thresholds) + 1
# 将<=4的数值设为NA（对应无颜色）
color_idx[iris$Sepal.Length <= 4] <- NA

ggplot(data = iris, aes(x = Sepal.Length, y = Petal.Length)) +
  geom_point(color = color_palette[color_idx])

内容的提问来源于stack exchange，提问作者Aku-Ville Lehtimäki