优化含10-13组数据的ggplot可视化配色方案求助

针对你遇到的10-13个分组配色辨识度低的问题，这里有几个实用的解决方案，能帮你大幅提升曲线的区分度：

方案1：使用RColorBrewer的定性调色板 #

RColorBrewer提供了专门为分类数据设计的调色板，颜色差异明显，适合多分组场景。

library(ggplot2)
library(reshape2)
library(RColorBrewer)

# 数据读取与处理
data <- read.delim(textConnection("
Groups Time_1 Time_2 Time_3 Time_4
A 63.8 60.6 65.2 66.6
B 9.4 14.0 11.1 7.5
C 7.4 8.5 6.9 8.6
D 13.9 8.4 7.9 11.4
E 1.4 3.8 5.0 1.5
F 0.2 0.2 0.2 0.2
G 1.8 2.5 1.8 2.7
H 1.0 0.9 0.9 1.1
I 45.0 42.0 49.0 38.0
J 1.0 1.1 0.9 0.5
K 0.1 2.0 6.5 1.0
L 0.5 0.9 0.5 0.2
M 0.2 0.2 0.1 0.3"), sep = " ", header = T)
data_melt <- melt(data, id.var = "Groups")
data_melt$value <- as.numeric(data_melt$value)

# 应用Set3调色板（支持12种颜色）
ggplot(data=data_melt, aes(x=variable, y=value, group = Groups, color = Groups)) + 
  geom_point(size = 1) + 
  geom_line(size = 1) +
  scale_color_brewer(palette = "Set3")

补充：如果分组超过12个，可以手动补充颜色，比如：
scale_color_manual(values = c(brewer.pal(12, "Set3"), "#FF0000"))

方案2：使用viridis离散调色板（推荐） #

viridis调色板的优势在于对色觉障碍者友好，同时在黑白打印时也能通过亮度差异区分分组，还能生成任意数量的颜色，完美适配10-13个分组的需求。

library(ggplot2)
library(reshape2)
library(viridis)

# 数据读取与处理
data <- read.delim(textConnection("
Groups Time_1 Time_2 Time_3 Time_4
A 63.8 60.6 65.2 66.6
B 9.4 14.0 11.1 7.5
C 7.4 8.5 6.9 8.6
D 13.9 8.4 7.9 11.4
E 1.4 3.8 5.0 1.5
F 0.2 0.2 0.2 0.2
G 1.8 2.5 1.8 2.7
H 1.0 0.9 0.9 1.1
I 45.0 42.0 49.0 38.0
J 1.0 1.1 0.9 0.5
K 0.1 2.0 6.5 1.0
L 0.5 0.9 0.5 0.2
M 0.2 0.2 0.1 0.3"), sep = " ", header = T)
data_melt <- melt(data, id.var = "Groups")
data_melt$value <- as.numeric(data_melt$value)

# 应用viridis离散调色板
ggplot(data=data_melt, aes(x=variable, y=value, group = Groups, color = Groups)) + 
  geom_point(size = 1) + 
  geom_line(size = 1) +
  scale_color_viridis_d(option = "plasma", begin = 0, end = 0.9)

提示：你可以尝试option参数的不同值（比如"viridis"、"magma"、"inferno"），找到最适合你数据的风格。

方案3：使用ggsci的专业期刊调色板 #

如果你需要更专业的学术风格配色，ggsci提供了多种顶级期刊的配色方案，风格严谨且区分度高。

library(ggplot2)
library(reshape2)
library(ggsci)

# 数据读取与处理
data <- read.delim(textConnection("
Groups Time_1 Time_2 Time_3 Time_4
A 63.8 60.6 65.2 66.6
B 9.4 14.0 11.1 7.5
C 7.4 8.5 6.9 8.6
D 13.9 8.4 7.9 11.4
E 1.4 3.8 5.0 1.5
F 0.2 0.2 0.2 0.2
G 1.8 2.5 1.8 2.7
H 1.0 0.9 0.9 1.1
I 45.0 42.0 49.0 38.0
J 1.0 1.1 0.9 0.5
K 0.1 2.0 6.5 1.0
L 0.5 0.9 0.5 0.2
M 0.2 0.2 0.1 0.3"), sep = " ", header = T)
data_melt <- melt(data, id.var = "Groups")
data_melt$value <- as.numeric(data_melt$value)

# 应用JCO期刊调色板（支持10种颜色）
ggplot(data=data_melt, aes(x=variable, y=value, group = Groups, color = Groups)) + 
  geom_point(size = 1) + 
  geom_line(size = 1) +
  scale_color_jco()

补充：如果分组超过10个，可以补充自定义颜色，比如：
scale_color_manual(values = c(pal_jco()(10), "#00FF00", "#0000FF", "#FF00FF"))

方案4：自定义高区分度调色板 #

如果对颜色有特定需求，你可以手动挑选一组色相、饱和度差异较大的颜色，确保每个分组都清晰可辨。

library(ggplot2)
library(reshape2)

# 数据读取与处理
data <- read.delim(textConnection("
Groups Time_1 Time_2 Time_3 Time_4
A 63.8 60.6 65.2 66.6
B 9.4 14.0 11.1 7.5
C 7.4 8.5 6.9 8.6
D 13.9 8.4 7.9 11.4
E 1.4 3.8 5.0 1.5
F 0.2 0.2 0.2 0.2
G 1.8 2.5 1.8 2.7
H 1.0 0.9 0.9 1.1
I 45.0 42.0 49.0 38.0
J 1.0 1.1 0.9 0.5
K 0.1 2.0 6.5 1.0
L 0.5 0.9 0.5 0.2
M 0.2 0.2 0.1 0.3"), sep = " ", header = T)
data_melt <- melt(data, id.var = "Groups")
data_melt$value <- as.numeric(data_melt$value)

# 自定义13种高区分度颜色
custom_colors <- c("#E69F00", "#56B4E9", "#009E73", "#F0E442", "#0072B2", "#D55E00", "#CC79A7",
                   "#999999", "#FF0000", "#00FF00", "#0000FF", "#FF00FF", "#FFFF00")

ggplot(data=data_melt, aes(x=variable, y=value, group = Groups, color = Groups)) + 
  geom_point(size = 1) + 
  geom_line(size = 1) +
  scale_color_manual(values = custom_colors)

内容的提问来源于stack exchange，提问作者EvenStar69