散点图指定时段数据点差异化着色及多粒度可视化技术问询

我来帮你搞定这个差异化着色的需求，核心思路是先给数据集添加一个分组标记列，区分出需要高亮的最后N个周期的数据，再把这个分组映射到ggplot的颜色参数上即可。下面分三种时间粒度逐一实现：

日度数据：高亮最后10天的点 #

首先确保你的日度数据是按日期排序的，然后添加标记列区分最后10天和其他数据，最后在绘图时绑定颜色映射：

# 1. 生成日度示例数据（和你提供的一致）
dt.day <- data.table(
  date = seq(as.Date('2020-01-01'), by = '1 day', length.out = 365),
  DE = rnorm(365, 4, 1),
  Austria = rnorm(365, 10, 2),
  Czechia = rnorm(365, 1, 2),
  check.names = FALSE
)

# 2. 按日期排序（避免数据乱序导致取错最后10天）
dt.day <- dt.day[order(date)]

# 3. 添加分组标记列：区分最后10天和其他数据
dt.day[, color_group := ifelse(date %in% tail(date, 10), "Last 10 Days", "Other")]

# 4. 线性回归（保持你的原有逻辑）
regLine <- lm(DE ~ Austria, data = dt.day)

# 5. 绘制带回归线的散点图，绑定颜色映射
p <- ggplot(data = dt.day, 
            aes(x = Austria, y = DE, 
                text = paste("Date: ", date, '\n', 
                            "Austria: ", Austria, "GWh/h", '\n', 
                            "DE: ", DE, "€/MWh"), 
                group = 1,
                color = color_group)) +  # 新增颜色映射
  geom_point() + 
  geom_smooth(method = "lm", se = FALSE, color = "#007d3c") +  # 回归线颜色保持不变
  theme_classic() + 
  theme(panel.background = element_blank()) + 
  xlab("Austria") + 
  ylab("DE") +
  # 自定义颜色：最后10天用#F07D00，其他用#419F44
  scale_color_manual(values = c("Other" = "#419F44", "Last 10 Days" = "#F07D00")) +
  theme(legend.position = "none")  # 若需要显示图例，可删除此行

# 转成plotly交互图
AUSTRIA_DAY <- plotly::ggplotly(p, tooltip = "text")

周度数据：高亮最后4周的点 #

逻辑和日度完全一致，只是把取最后N个周期的数量改成4：

# 1. 生成周度示例数据（和你提供的一致）
dt.week <- data.table(
  date = seq(as.Date('2020-01-01'), by = '7 day', length.out = 53),
  Germany = rnorm(53, 4, 1),
  Austria = rnorm(53, 10, 2),
  Czechia = rnorm(53, 1, 2),
  check.names = FALSE
)

# 2. 按日期排序
dt.week <- dt.week[order(date)]

# 3. 添加分组标记列：区分最后4周和其他数据
dt.week[, color_group := ifelse(date %in% tail(date, 4), "Last 4 Weeks", "Other")]

# 4. 线性回归（这里用Germany和Austria为例，你可以按需调整）
regLine_week <- lm(Germany ~ Austria, data = dt.week)

# 5. 绘制散点图
p_week <- ggplot(data = dt.week, 
                 aes(x = Austria, y = Germany, 
                     text = paste("Date: ", date, '\n', 
                                 "Austria: ", Austria, "GWh/h", '\n', 
                                 "Germany: ", Germany, "€/MWh"), 
                     group = 1,
                     color = color_group)) + 
  geom_point() + 
  geom_smooth(method = "lm", se = FALSE, color = "#007d3c") + 
  theme_classic() + 
  theme(panel.background = element_blank()) + 
  xlab("Austria") + 
  ylab("Germany") +
  scale_color_manual(values = c("Other" = "#419F44", "Last 4 Weeks" = "#F07D00")) +
  theme(legend.position = "none")

# 转成plotly交互图
AUSTRIA_WEEK <- plotly::ggplotly(p_week, tooltip = "text")

小时级数据：高亮最后2天的所有点 #

小时级数据的date是POSIXct格式，需要先提取日期部分，再筛选最后2天的所有小时记录：

# 1. 生成小时级示例数据（2020年1月1日到1月10日，共240条小时数据）
dt.hour <- data.table(
  date = seq(as.POSIXct("2020-01-01 00:00:00"), by = "1 hour", length.out = 24*10),
  DE = rnorm(24*10, 4, 1),
  Austria = rnorm(24*10, 10, 2),
  check.names = FALSE
)

# 2. 按时间排序
dt.hour <- dt.hour[order(date)]

# 3. 提取所有唯一日期，取最后2天
last_2_dates <- unique(as.Date(dt.hour$date)) %>% tail(2)

# 4. 添加分组标记列：标记属于最后2天的所有小时点
dt.hour[, color_group := ifelse(as.Date(date) %in% last_2_dates, "Last 2 Days", "Other")]

# 5. 线性回归
regLine_hour <- lm(DE ~ Austria, data = dt.hour)

# 6. 绘制散点图
p_hour <- ggplot(data = dt.hour, 
                 aes(x = Austria, y = DE, 
                     text = paste("Datetime: ", date, '\n', 
                                 "Austria: ", Austria, "GWh/h", '\n', 
                                 "DE: ", DE, "€/MWh"), 
                     group = 1,
                     color = color_group)) + 
  geom_point() + 
  geom_smooth(method = "lm", se = FALSE, color = "#007d3c") + 
  theme_classic() + 
  theme(panel.background = element_blank()) + 
  xlab("Austria") + 
  ylab("DE") +
  scale_color_manual(values = c("Other" = "#419F44", "Last 2 Days" = "#F07D00")) +
  theme(legend.position = "none")

# 转成plotly交互图
AUSTRIA_HOUR <- plotly::ggplotly(p_hour, tooltip = "text")

关键说明 #

• 所有步骤都先对数据按date排序，这一步非常重要，避免数据乱序导致取错最后N个周期的记录。
• 如果你需要显示图例区分高亮组和普通组，只需要删除theme(legend.position = "none")这一行即可。
• 回归线的颜色保持你原来的#007d3c，不受数据点颜色映射的影响。

内容的提问来源于stack exchange，提问作者Miko