将栅格转DataFrame后，用ggplot自定义分配颜色失败求助

我将栅格文件转换为DataFrame以便使用ggplot绘图，每个像素对应唯一编码，但R默认的分类变量配色不符合需求。于是创建了包含颜色代码的tibble：

colors <- tibble(
  colors = c("000000","#ffff64","#aaf0f0","#dcf064","#c8c864","#006400","#00a000","#00a000","#285000","#788200","#8ca000","#be9600","#966400","#ffb432","#ffdcd2","#ffebaf","#00785a","#009678","#00DC82","#C31400","#FFF5D7","#0046C8","#FFFFFF"),
  cod_global = c(0,10,20,30,40,50,60,70,80,90,100,110,120,130,140,150,160,170,180,190,200,210,220)
)

将该tibble与从栅格导出的、含约5800万行的Xinjiang_df执行left_join操作后，原本期望通过设置fill = colors让像素匹配指定颜色，但结果不符合预期：

• 未自定义颜色的效果：使用默认配色渲染，能区分不同编码的像素，但颜色不符合需求
• 自定义颜色后的效果：颜色混乱，未按指定的颜色代码对应像素

未自定义颜色时的绘图代码：

ggplot(Xinjiang_df, aes(x = x, y = y, fill = colors))

解决思路 #

核心问题 #

当你把fill映射到颜色字符串列时，ggplot会将颜色字符串视为分类变量，自动用默认配色给这些字符串分配颜色，而非直接使用字符串对应的颜色值。此外，5800万行的DataFrame做join操作会极大消耗内存，完全没必要。

方案1：用scale_fill_manual映射编码到颜色（推荐） #

直接基于原始的cod_global编码做映射，不需要将颜色列join到DataFrame，效率更高：

1. 先将颜色tibble转换为命名向量，同时补全缺失的#（部分颜色代码没有前缀）：

color_vec <- setNames(colors$colors, colors$cod_global)
# 补全颜色代码的#前缀
color_vec <- ifelse(!grepl("^#", color_vec), paste0("#", color_vec), color_vec)

2. 绘图时用cod_global作为填充变量，手动指定颜色映射：

ggplot(Xinjiang_df, aes(x = x, y = y, fill = factor(cod_global))) +
  geom_raster() + # 绘制栅格用geom_raster比geom_tile更高效
  scale_fill_manual(values = color_vec, name = "像素编码") +
  coord_equal() # 保持栅格像素的比例

方案2：用scale_fill_identity直接使用颜色列 #

如果一定要保留join后的颜色列，需要告诉ggplot直接使用列中的颜色值，而非当作分类变量：

1. 先修复颜色列的格式（补全#）：

Xinjiang_df <- Xinjiang_df %>%
  mutate(colors = ifelse(!grepl("^#", colors), paste0("#", colors), colors))

2. 绘图时添加scale_fill_identity()：

ggplot(Xinjiang_df, aes(x = x, y = y, fill = colors)) +
  geom_raster() +
  scale_fill_identity()

大栅格数据优化建议 #

不要把整个栅格转成DataFrame，用rasterVis包的gplot函数可以直接绘制栅格，避免处理千万级行数据：

library(rasterVis)
gplot(your_raster_object) +
  geom_raster(aes(fill = value)) +
  scale_fill_manual(values = color_vec, name = "像素编码")

内容的提问来源于stack exchange，提问作者Aniel