聰明不如鈍筆
총명불여둔필
assignment KindeR

R로 그래프 그릴 때 깔끔하게 팔레트 선택하기(feat. colorspace)

전혀 촌스럽지 않은(?) 비치 파라솔

어떤 색을 어떻게 섞어 써야 할지 모르는 일이 꼭 파워포인트(PPT) 자료를 만들 때만 생기는 건 아닙니다.

 

R로 그래프를 그릴 때도 엉뚱한 색깔을 썼다 가는 한 땀, 한 땀 열심히 그린 그래프가 쳐다 보기 싫은 존재로 변할 수도 있습니다.

 

색상 선택이 고민일 때 많은 R 사용자가 보통 RColorBrewer 패키지를 선택합니다.

 

이 선택이 잘못이라는 얘기는 절대 아닙니다.

 

그래도 어떤 대안이 있다면 반드시 그 대안의 대안도 있게 마련.

 

그런 이유로, 자랑스레, colorspace 패키지를 여러분께 소개해 드립니다 -_-)/

 

 

Hello, colorspace!

컬러 스페이스 패키지 로고

colorspace는 기본적으로 RColorBrewer 확장판이라고 생각하시면 됩니다.

 

완전히 똑같지는 않지만 colorspace에는 △RColorBrewerrcartocolorscicoviridis 패키지에 들어 있는 팔레트가 들어 있습니다.

 

일단 어떤 팔레트가 들어있는지 확인하고 싶을 때는 hcl_palettes() 함수를 쓰면 됩니다.

 

이때 hcl은 색의 3요소 △색상(hue)채도(chroma)명도(luminance)를 줄인 말입니다.

 

노파심에 말씀드리면 # 뒤에 16진수가 나오는 이 이상한 조합을 가지고 '웹 색상'을 지정하는 겁니다.

 

색상 채도 명도가 뭔지 감을 잡으셨을 테니 color 패키지를 (설치하고) 불러온 다음 hcl_palettes() 함수를 직접 써보겠습니다.

 

아, 물론 늘 그렇듯 tidyverse 패키지도 함께 (설치하고) 불러오셔야 합니다.

#install.packages('tidyverse')
library('tidyverse')
## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --
## v ggplot2 3.3.2     v purrr   0.3.4
## v tibble  3.0.3     v dplyr   1.0.2
## v tidyr   1.1.2     v stringr 1.4.0
## v readr   1.3.1     v forcats 0.5.0
## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()
#install.packages('colorspace')
library('colorspace')
hcl_palettes()
## HCL palettes
## 
## Type:  Qualitative 
## Names: Pastel 1, Dark 2, Dark 3, Set 2, Set 3, Warm, Cold, Harmonic, Dynamic
## 
## Type:  Sequential (single-hue) 
## Names: Grays, Light Grays, Blues 2, Blues 3, Purples 2, Purples 3, Reds 2,
##        Reds 3, Greens 2, Greens 3, Oslo
## 
## Type:  Sequential (multi-hue) 
## Names: Purple-Blue, Red-Purple, Red-Blue, Purple-Orange, Purple-Yellow,
##        Blue-Yellow, Green-Yellow, Red-Yellow, Heat, Heat 2, Terrain,
##        Terrain 2, Viridis, Plasma, Inferno, Rocket, Mako, Dark Mint,
##        Mint, BluGrn, Teal, TealGrn, Emrld, BluYl, ag_GrnYl, Peach,
##        PinkYl, Burg, BurgYl, RedOr, OrYel, Purp, PurpOr, Sunset,
##        Magenta, SunsetDark, ag_Sunset, BrwnYl, YlOrRd, YlOrBr, OrRd,
##        Oranges, YlGn, YlGnBu, Reds, RdPu, PuRd, Purples, PuBuGn, PuBu,
##        Greens, BuGn, GnBu, BuPu, Blues, Lajolla, Turku, Hawaii, Batlow
## 
## Type:  Diverging 
## Names: Blue-Red, Blue-Red 2, Blue-Red 3, Red-Green, Purple-Green,
##        Purple-Brown, Green-Brown, Blue-Yellow 2, Blue-Yellow 3,
##        Green-Orange, Cyan-Magenta, Tropic, Broc, Cork, Vik, Berlin,
##        Lisbon, Tofino

 

일단 결과를 보시면 colorspace 패키지가 △정성적(qualitative) △순차적(sequential) △발산적(diverging) 형태로 팔레트를 나누고 있다는 사실을 알 수 있습니다.

 

누구나 이런 글만 보고 한 번에 무슨 뜻인지 알아들을 수 있다면 세상에 백문불여일견(百聞不如一見)이라는 말이 없었을 겁니다.

 

hcl_palettes() 함수 안에 plot = TRUE 옵션을 주면 팔레트 예시 이미지가 나타납니다.

hcl_palettes(plot = TRUE)

hcl_palettes() 함수 안에 옵션을 주면 특성별 팔레트를 따로 따로 불러오는 것도 가능합니다.

hcl_palettes('qualitative', plot = TRUE)

hcl_palettes('sequential', plot = TRUE)

hcl_palettes('diverging', plot = TRUE)

지금까지 계속 각 팔레트별로 색깔을 다섯 개씩 보여주는데 물론 이 숫자도 바꿀 수 있습니다.

 

예컨대 정성적인 그러니까 각 항목을 서로 구분하는 게 목적인 색깔 7개를 Dark 3 팔레트에서 꺼내는 코드는 이렇게 쓰면 됩니다.

qualitative_hcl(7, palette = 'Pastel 1')
## [1] "#FFC5D0" "#EFCFAF" "#C9DBAA" "#A2E2C6" "#9EDFE9" "#C8D3FC" "#F2C7F1"

 

당연히 순차적(sequential)이거나 발산적(diverging)인 색깔 코드를 원하는 숫자 만큼 확인하는 것도 가능합니다.

sequential_hcl(7, palette = 'Purple-Blue')
## [1] "#6B0077" "#724E95" "#7C7BB2" "#8DA3CA" "#A7C6DD" "#C8E2EB" "#F1F1F1"
diverging_hcl(7, palette = 'Blue-Red')
## [1] "#023FA5" "#7D87B9" "#BEC1D4" "#E2E2E2" "#D6BCC0" "#BB7784" "#8E063B"

 

이렇게 얻은 색상 코드는 ggplot 그래프에 수동으로 적용할 수도 있고 colorspace에 들어 있는 함수를 활용해 자동으로 적용할 수도 있습니다.

 

원래 ggplot2 패키지에서 특정한 기준에 따라 자동으로 색깔을 적용할 때는 scale_<aesthetic>_<color scale> 코드를 씁니다.

 

예를 들어 scale_fill_manual() 함수를 쓰면 수동으로 = 색깔을 마음대로 골라 칠할 수 있습니다.

 

colorspace에서는 여기에 datatype까지 붙어 함수 길이가 더욱 길어지지만 기본적인 사용법은 똑같습니다.

 

datatype이라는 건 자료가 이산적(discrete)인지 연속적(continuous)인지를 나타냅니다.

 

▌ggplot용 colorspace 함수
 aesthetic  datatype  color scale  function
 fill  discrete  qualitative  scale_fill_discrete_qualitative()
 sequential  scale_fill_discrete_sequential()
 diverging  scale_fill_discrete_diverging()
 continuous  qualitative  scale_fill_continuous_qualitative()
 sequential  scale_fill_continuous_sequential()
 diverging  scale_fill_continuous_diverging()
 color  discrete  qualitative  scale_color_discrete_qualitative()
 sequential  scale_color_discrete_sequential()
 diverging  scale_color_discrete_diverging()
 continuous  qualitative  scale_color_continuous_qualitative()
 sequential  scale_color_continuous_sequential()
 diverging  scale_color_continuous_diverging()

 

실제로 이 함수를 어떻게 활용하는지 이제부터 펭귄(penguin) 데이터 세트를 가지고 알아보겠습니다.

 

 

Hello, Penguins!

원래 R에서 예제 데이터가 필요할 때 제일 많이 쓰는 건 iris 데이터입니다.

 

iris 데이터에는 그 유명한 로널드 피셔(1890~1962)가 측정하고 수집한 붓꽃 꽃받침(sepan)과 꽃잎(petal) 길이와 폭이 들어 있습니다.

 

문제는 피셔가 우생학적 관점에서 자유로울 수 없는 인물이라는 점입니다. 

 

미국에서 인종차별에 반대하는 움직임이 거세지면서 대안으로 등장한 게 바로 펭귄 데이터입니다.

 

펭귄 데이터에는 △아델리 △젠투 △턱끈 펭귄 신체적 특징을 수집한 자료가 들어 있습니다.

 

R에서 펭귄 데이터 세트를 활용하려면 palmerpenguins 패키지를 설치하고 불러오셔야 합니다.

#install.packages('palmerpenguins')
library('palmerpenguins')

 

그리고 그냥 penguins라고 입력하면 우리가 쓸 데이터를 확인할 수 있습니다.

penguins
## # A tibble: 344 x 8
##    species island    bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
##    <fct>   <fct>              <dbl>         <dbl>             <int>       <int>
##  1 Adelie  Torgersen           39.1          18.7               181        3750
##  2 Adelie  Torgersen           39.5          17.4               186        3800
##  3 Adelie  Torgersen           40.3          18                 195        3250
##  4 Adelie  Torgersen           NA            NA                  NA          NA
##  5 Adelie  Torgersen           36.7          19.3               193        3450
##  6 Adelie  Torgersen           39.3          20.6               190        3650
##  7 Adelie  Torgersen           38.9          17.8               181        3625
##  8 Adelie  Torgersen           39.2          19.6               195        4675
##  9 Adelie  Torgersen           34.1          18.1               193        3475
## 10 Adelie  Torgersen           42            20.2               190        4250
## # ... with 334 more rows, and 2 more variables: sex <fct>, year <int>/pre>

 

palmerpenguins 패키지에는 penguins 이외에 penguins_raw 데이터도 들어 있으니 필요에 따라 쓰셔도 됩니다.

penguins_raw
## # A tibble: 344 x 17
##    studyName `Sample Number` Species       Region Island Stage   `Individual ID`
##    <chr>               <dbl> <chr>         <chr>  <chr>  <chr>   <chr>          
##  1 PAL0708                 1 Adelie Pengu~ Anvers Torge~ Adult,~ N1A1           
##  2 PAL0708                 2 Adelie Pengu~ Anvers Torge~ Adult,~ N1A2           
##  3 PAL0708                 3 Adelie Pengu~ Anvers Torge~ Adult,~ N2A1           
##  4 PAL0708                 4 Adelie Pengu~ Anvers Torge~ Adult,~ N2A2           
##  5 PAL0708                 5 Adelie Pengu~ Anvers Torge~ Adult,~ N3A1           
##  6 PAL0708                 6 Adelie Pengu~ Anvers Torge~ Adult,~ N3A2           
##  7 PAL0708                 7 Adelie Pengu~ Anvers Torge~ Adult,~ N4A1           
##  8 PAL0708                 8 Adelie Pengu~ Anvers Torge~ Adult,~ N4A2           
##  9 PAL0708                 9 Adelie Pengu~ Anvers Torge~ Adult,~ N5A1           
## 10 PAL0708                10 Adelie Pengu~ Anvers Torge~ Adult,~ N5A2           
## # ... with 334 more rows, and 10 more variables: Clutch Completion <chr>,
## #   Date Egg <date>, Culmen Length (mm) <dbl>, Culmen Depth (mm) <dbl>,
## #   Flipper Length (mm) <dbl>, Body Mass (g) <dbl>, Sex <chr>,
## #   Delta 15 N (o/oo) <dbl>, Delta 13 C (o/oo) <dbl>, Comments <chr>

 

일단 각 펭귄 종류별로 몸무게(body_mass_g)에 따라 점 색깔이 변하도록 기본적인 그래프를 그려보겠습니다.

penguins %>%
  ggplot(aes(x = species,
             y = body_mass_g,
             color = body_mass_g)) +
  geom_jitter()
## Warning: Removed 2 rows containing missing values (geom_point).

이제 colorspace 패키지를 써서 점 색깔을 바꿔보도록 하겠습니다.

 

몸무게는 연속적인(continuous) 자료입니다. 팔레트 역시 순차적(sequential) 형태여야 합니다.

 

따라서 scale_color_continuous_sequential() 함수를 쓰면 됩니다.

 

이번에는 'Teal' 팔레트를 써서 색깔을 지정하겠습니다.

 

경고 메시지가 지겨우니 drop_na() 함수로 불필요한 데이터를 지워줍니다.

penguins %>%
  drop_na() %>% 
  ggplot(aes(x = species,
             y = body_mass_g,
             color = body_mass_g)) +
  geom_jitter() +
  scale_color_continuous_sequential(palette = 'Teal')

잘 나왔는데 어쩐지 아래 쪽 색상이 너무 연하다는 생각이 듭니다. 

 

이럴 때는 그냥 시작(begin)과 끝(end) 지점을 지정해 주기만 하면 됩니다.

penguins %>%
  drop_na() %>% 
  ggplot(aes(x = species,
             y = body_mass_g,
             color = body_mass_g)) +
  geom_jitter() +
  scale_color_continuous_sequential(palette = 'Teal',
                                    begin = .2,
                                    end = .8)

이 코드로는 몸무게가 무거울수록 짙은 색깔이 나옵니다.

 

때로는 색깔 방향을 반대로 바꾸고 싶을 수도 있습니다.

 

이번 자료를 예로 들면 몸무게가 가벼울수록 짙은 색으로 나타내고 싶을 때가 있는 것.

 

이때는 그냥 시작과 끝 지점 숫자만 뒤집으면 됩니다.

penguins %>%
  drop_na() %>% 
  ggplot(aes(x = species,
             y = body_mass_g,
             color = body_mass_g)) +
  geom_jitter() +
  scale_color_continuous_sequential(palette = 'Teal',
                                    begin = .8,
                                    end = .2)

계속해서 이산형 데이터를 기준으로 색깔을 바꾸는 방법을 알아보겠습니다.

 

이산형(離散形)은 종류를 구분하는 데이터라고 생각하시면 편합니다. 여기서는 펭귄 종류가 여기 해당합니다.

 

이산형 데이터에는 물론 정성적(qualitative) 팔레트 형태가 어울립니다.

 

결국 scale_*_discrete_qualitative() 함수를 쓰면 원하는 결과를 얻을 수 있습니다.

 

종류별 몸무게를 히스토그램으로 그리고 'Cold' 팔레트를 써서 색을 칠하겠습니다.

penguins %>%
  drop_na() %>% 
  ggplot(aes(x = body_mass_g,
             fill = species)) +
  geom_histogram(bins = 10, color = 'white', alpha = .75) +
  scale_fill_discrete_qualitative(palette = 'Cold')

이번에 색깔을 바꾸고 싶을 때는 그냥 c() 함수 안에 순서를 지정하면 됩니다.

 

예를 들어 앞서 쓴 코드 안에 c(2, 3, 1)이라고 옵션을 주면 한 칸씩 색깔을 앞당긴 결과를 얻을 수 있습니다.

penguins %>%
  drop_na() %>% 
  ggplot(aes(x = body_mass_g,
             fill = species)) +
  geom_histogram(bins = 10, color = 'white', alpha = .75) +
  scale_fill_discrete_qualitative(palette = 'Cold',
                                   order = c(2, 3, 1))

아, ggplot2로 그래프를 그리는 과정 자체가 잘 이해가 가지 않으시는 분이 계시다면 '최대한 친절하게 쓴 R로 그래프 그리기(feat. ggplot2)' 포스트가 도움이 될 수 있습니다.

 

이 포스트가 그래프 색깔 선택으로 고통받고 계신 분들께 조금이라도 도움이 되기를 바랍니다.

 

그럼 모두들 Happy Tidyversing -_-)/

 

댓글, 0

account_circle
vpn_key
web

security

mode_edit
KindeR | 카테고리 다른 글 더 보기