使用ggplot2绘制密度图时遇Scale_colour_manual“Insufficient values in manual scale”报错求助

这个错误我之前也碰到过，本质是你手动指定的颜色数量不够覆盖所有分组——你的数据集有8个ID分组，但scale_colour_manual()里提供的颜色数量少于8个，R不知道怎么给剩下的ID分配颜色，所以抛出这个报错。下面给你几个具体的解决办法，以及完整的代码示例：

错误原因拆解 #

当你使用scale_colour_manual(values = ...)时，values参数里的颜色向量长度必须和你的分组变量（这里是group列的8个ID）的水平数完全匹配。比如你之前如果只写了2种颜色，那肯定不够8个ID用，就会触发这个报错。

解决方案 #

方法1：用ggplot默认配色（最简单） #

如果你不需要自定义颜色，直接删掉scale_colour_manual()这一行即可。ggplot会自动为8个ID生成区分度足够的不同颜色，完全满足需求。

完整代码示例：

library(ggplot2)

# 读入数据
data <- read.table("data.csv", sep=",", header = TRUE)
# 确保group是因子类型（可选，但推荐）
data$group <- factor(data$group)

# 绘制密度图（假设你要按ID分组画average的密度）
p <- ggplot(data, aes(x = average, colour = group)) +
  geom_density(linewidth = 1) + # 可选：调整线条粗细
  labs(title = "Density of Average Values by ID",
       x = "Average Value",
       y = "Density")

# 保存PDF
pdf("Ala_all.pdf", width=20, height=10) # 补全height的值，比如10
print(p) # 必须调用print才能把图写入PDF
dev.off()

方法2：手动指定8种颜色 #

如果你需要自定义颜色，确保values里有至少8种颜色。可以用十六进制颜色码，或者R内置的颜色名称（输入colors()可以查看所有内置颜色）。

示例代码：

library(ggplot2)

data <- read.table("data.csv", sep=",", header = TRUE)
data$group <- factor(data$group)

# 手动定义8种颜色（这里用的是ggplot默认的前8种颜色）
custom_colors <- c("#F8766D", "#CD9600", "#7CAE00", "#00BE67", "#00BFC4", "#00A9FF", "#C77CFF", "#FF61CC")

p <- ggplot(data, aes(x = average, colour = group)) +
  geom_density(linewidth = 1) +
  scale_colour_manual(values = custom_colors, name = "ID Group") + # name参数可以修改图例标题
  labs(title = "Density of Average Values by ID",
       x = "Average Value",
       y = "Density")

pdf("Ala_all.pdf", width=20, height=10)
print(p)
dev.off()

方法3：用专业调色板包（美观又省心） #

推荐使用RColorBrewer包，它提供了很多经过专业设计的调色板，其中很多支持8个或更多分组（比如Set2、Dark2、Paired等）。

示例代码：

library(ggplot2)
library(RColorBrewer) # 先安装包：install.packages("RColorBrewer")

data <- read.table("data.csv", sep=",", header = TRUE)
data$group <- factor(data$group)

# 使用Set2调色板（刚好有8种颜色）
p <- ggplot(data, aes(x = average, colour = group)) +
  geom_density(linewidth = 1) +
  scale_colour_brewer(palette = "Set2", name = "ID Group") +
  labs(title = "Density of Average Values by ID",
       x = "Average Value",
       y = "Density")

pdf("Ala_all.pdf", width=20, height=10)
print(p)
dev.off()

额外注意点 #

• 保存PDF时，一定要调用print(p)把绘图对象打印出来，否则生成的PDF文件会是空的。
• 如果你是要按percentile绘制密度图，只需要把aes(x = average)改成aes(x = as.numeric(as.character(data$percentile)))即可（因为percentile是因子类型，需要先转成数值）。

内容的提问来源于stack exchange，提问作者user7249622