修复ggplot2中快速可视化的连续颜色刻度问题

问题场景 #

处理百万级二维数据集时，geom_point存在绘图速度慢、易误读的问题，改用geom_hex展现数据分布后，需满足以下需求：

• 0-150观测值的六边形保留黄→珊瑚色的渐变效果
• 超过150观测值的高密度六边形显示为红色（避免默认蓝色掩盖密度差异）
• 同时叠加geom_smooth展示整体趋势

解决方案 #

方案1：高密度区域纯色显示（快速区分） #

当设置scale_fill_gradient(limits = c(0,150))时，超过阈值的六边形会被标记为NA，默认显示ggthemr主题的蓝色。只需添加na.value = "red"参数，即可将高密度区域改为红色，同时保留低密区域的渐变：

set.seed(1)
library(data.table)
library(ggplot2)
library(ggthemr)

ggthemr("pale") # 应用自定义主题

d=data.table(a=c(sample(seq(1,1500,1),20000, replace=T),sample(seq(1998,2000,1),1000, replace=T),sample(seq(1,150,1),19000, replace=T)),
             b=c(sample(seq(1,2000,1),20000, replace=T),sample(seq(150,160,1),1000, replace=T),sample(seq(1100,1600,1),19000, replace=T)))

ggplot(d) + aes(x=a,y=b)+
  geom_hex(bins=70, col="white") + 
  scale_fill_gradient(
    low = "yellow", 
    high = "coral2", 
    limits = c(0, 150), 
    na.value = "red" # 覆盖主题默认的NA颜色，设置为红色
  ) +
  geom_smooth(col="black")

方案2：高密度区域渐变显示（细致区分） #

如果希望高密度区域（>150）也呈现渐变效果（如从珊瑚色过渡到红色），可以使用scale_fill_gradientn自定义颜色断点：

set.seed(1)
library(data.table)
library(ggplot2)
library(ggthemr)
library(scales)

ggthemr("pale")

d=data.table(a=c(sample(seq(1,1500,1),20000, replace=T),sample(seq(1998,2000,1),1000, replace=T),sample(seq(1,150,1),19000, replace=T)),
             b=c(sample(seq(1,2000,1),20000, replace=T),sample(seq(150,160,1),1000, replace=T),sample(seq(1100,1600,1),19000, replace=T)))

# 提前计算六边形的最大计数
hex_data <- ggplot_build(ggplot(d) + geom_hex(aes(x=a,y=b), bins=70))$data[[1]]
max_count <- max(hex_data$count)

ggplot(d) + aes(x=a,y=b)+
  geom_hex(bins=70, col="white") + 
  scale_fill_gradientn(
    colors = c("yellow", "coral2", "red"), # 自定义颜色序列
    values = rescale(c(0, 150, max_count)), # 对应数值断点（归一化到0-1区间）
    limits = c(0, max_count)
  ) +
  geom_smooth(col="black")

说明 #

• 方案1实现简单，适合快速区分高低密度区域；方案2能更细致展现高密度区域的内部差异
• geom_hex对百万级数据的处理效率远高于geom_point，适合大规模数据集的分布可视化
• 若使用ggthemr主题，需通过na.value参数主动覆盖主题默认的NA颜色设置

内容的提问来源于stack exchange，提问作者Dimitri