統計データをggplot2で可視化するときの色

背景

統計的にデータを扱う場合，データの種類は大きく分けて次の3つ．

• 順次的（sequential）
• 定性的（qualitative）
• 発散的（diverging）

これらを可視化するとき，色分けすると便利．ただし，色使いには注意が必要

目的

ggplot2で可視化するとき，データの種類によって色を使い分ける方法を模索

方法

ggplot2で色を分けて可視化するときの手段として

1. ggplot2のscale_gradient, scale_gradient2, scale_gradientn を利用
2. RパッケージのRColorBrewerを利用
3. 自分で定義

の3つが考えられる．
ここで問題．適切な色とは何か？
W. S. Cleveland の The Elements of Graphing Data によれば，CMYKをベースに考えて次のパタンがオススメらしい

順次的データ

cyan から magenta への濃淡で表す

定性的データ

cyan，magenta，green，orange，light blue の5色で表す

さて，cyanやmagentaの色一覧は次の通り

(c,m,y,k)	#rrggbb	色名
(1,0,0,0)	#00a0e9	cyan
(0,1,0,0)	#e4007f	magenta
(1,0,1,0)	#009944	green
(0,0.5,1,0)	#f39800	orange
(1,0.5,0,0)	#0068b7	light blue

これらを利用して，ggplot2で色を分けてみる．

実験

まずは色の定義

cCyan <- "#00a0e9"
cMagenta <- "#e4007f"
cGreen <- "#009944"
cOrange <- "#f39800"
cLightBlue <- "#0068b7"
qcolours <- c(cCyan,cMagenta,cGreen,cOrange,cLightBlue)

順次的データ

data=mtcarsを利用する．まずはそのままプロット（背景は白に設定）．

p <- ggplot(mtcars, aes(mpg, wt)) 
p <- p + geom_point(aes(colour=cyl),size=3)
p <- p + theme_bw(24)
p

次に，Clevelandの色設定を適用

p + scale_colour_gradient(low=cCyan,high=cMagenta)

見やすくなったかな．
また他の方法として，奥村先生の色設定を適用する

p + scale_colour_gradient(low=cLightBlue,high=cOrange)

となり，さらに見やすくなった．
個人的には，奥村先生の方法が最も良い．

定性的データ

data=diamondsを小さくしたdsmallを利用する．まずはそのままプロット．

dsmall <- diamonds[sample(nrow(diamonds), 100), ] 
p <- ggplot(dsmall, aes(carat, price))
p <- p + geom_point(aes(colour=cut),size=3)
p <- p + theme_bw(24)
p

これにClevelandの方法を適用する

p + scale_colour_manual(aes(cut), value = qcolours)

メリハリが明確で良い感じ．

結論

Clevelandの方法のように色分けを工夫することで，可視化データの情報がよりハッキリと見て取れる！

参考文献

• 奥村先生のページ | 統計グラフの色
• Triad sou.さんのページ | ggplot2 の自分用メモ集を作ろう
• ggplot2 | ggplot2