无需存储配色方案对象，修改Highcharter调色板

针对你希望Highcharter能像ggplot一样自动适配Viridis调色板，且无需预存颜色向量、过滤数据后自动匹配分组数量的需求，以下是三种实用方案：

方案1：管道内动态计算适配当前数据的颜色 #

直接在hc_colors()中基于过滤后的动态数据计算颜色，无需提前定义colors变量。通过提取Highcharter对象中的分组信息，自动生成对应数量的Viridis颜色：

library(tidyverse)
library(viridis)
library(highcharter)

set.seed(123) # 固定随机数确保结果可复现
df = tibble(id = c(1:20),
            name = c(sample(c('name1','name2','name3','name4'), 20, replace = TRUE)),
            value = round(runif(20, min = 10, max = 15),0))

# 过滤后动态生成对应颜色
df %>% 
  filter(name %in% c('name1','name2')) %>% 
  hchart("spline", hcaes(x = id, y = value, group = name)) %>% 
  hc_colors(scales::viridis_pal(option = 'turbo', begin = 0.45, direction = -1)(length(unique(.$x$data$name))))

方案2：自定义类ggplot风格的颜色映射函数 #

封装一个函数，模拟ggplot中scale_color_viridis_d()的自动映射逻辑，调用时自动适配当前数据的分组数量：

# 自定义Viridis离散颜色映射函数
hc_scale_color_viridis_d <- function(option = "turbo", begin = 0, end = 1, direction = 1) {
  function(chart) {
    # 提取当前图表的分组名称
    groups <- unique(chart$x$data$name)
    # 生成对应数量的Viridis颜色
    colors <- scales::viridis_pal(option = option, begin = begin, end = end, direction = direction)(length(groups))
    hc_colors(chart, colors)
  }
}

# 使用示例：过滤后直接调用自定义函数
df %>% 
  filter(name %in% c('name1','name3')) %>% 
  hchart("spline", hcaes(x = id, y = value, group = name)) %>% 
  hc_scale_color_viridis_d(option = 'turbo', begin = 0.45, direction = -1)

方案3：数据预处理阶段绑定颜色（结合mutate） #

在数据管道中通过mutate为每个分组分配对应Viridis颜色，再通过hcaes指定颜色列，让Highcharter直接使用预分配的颜色：

df %>% 
  filter(name %in% c('name2','name4')) %>% 
  mutate(color = scales::viridis_pal(option = 'turbo', begin = 0.45, direction = -1)(length(unique(name)))[match(name, unique(name))]) %>% 
  hchart("spline", hcaes(x = id, y = value, group = name, color = color))

以上三种方案都能实现无需预存颜色向量，自动适配数据分组的Viridis配色需求，过滤数据后颜色会自动调整为对应数量的配色。

内容的提问来源于stack exchange，提问作者James