R语言如何借助ifelse为散点图按数据集分类列取值分色

方法1：嵌套ifelse实现（适配你之前了解的ifelse逻辑） #

ifelse单次仅支持单条件分支判断，针对3个类别的regime字段，嵌套两层ifelse逻辑即可生成与散点一一对应的颜色向量，直接传入plot的col参数即可自动逐点上色：

• 先生成逐点匹配的颜色值：

# 自定义三类政权对应的颜色，可根据需求调整色值
point_colors <- ifelse(demo$regime == "free", "#2E8B57",
                ifelse(demo$regime == "not free", "#CD5C5C",
                       "#FFA500"))

• 调整原有plot代码，新增col参数传入颜色向量：

plot(demo$GDP, demo$FHouse, 
     xlab = "Country's GDP", 
     ylab = "Freedom House Rating", 
     pch=16, 
     xlim = c(500,5000), 
     family="serif",
     col = point_colors)

注：基础R的col参数原生支持传入与样本量等长的颜色向量，会严格按数据行顺序为每个散点匹配对应颜色，无需手动循环遍历。

方法2：映射表匹配实现（后续扩展更方便） #

分类数量较多时，嵌套ifelse的可读性会快速下降，可使用命名色板向量直接匹配，无论多少个分类都不需要写多层嵌套，调整颜色映射仅需修改对应色表即可：

• 提前定义分类与颜色的对应关系：

# 自定义政权类型-颜色映射表
regime_color_map <- c(
  "free" = "#2E8B57",
  "not free" = "#CD5C5C",
  "partly free" = "#FFA500"
)
# 按数据里的regime取值直接匹配对应颜色
point_colors <- regime_color_map[demo$regime]

后续plot代码和方法1完全一致，传入col = point_colors即可。

实用补充

• 原代码中设置的xlim = c(500,5000)会裁切掉GDP超过5000的样本点（示例数据中的阿根廷、澳大利亚都会被排除在绘图区外），如果需要展示全部样本，可以将xlim调整为适配实际GDP范围，比如xlim = c(500, 30000)。
• 上色完成后可以搭配简易图例明确颜色对应关系，在plot代码后追加一行即可：

  legend("topright", legend = names(regime_color_map), col = regime_color_map, pch = 16)
  

内容的提问来源于stack exchange，提问作者Rnub