Farben in R

Farbmodelle, benannte Farben und Paletten für wissenschaftliche Grafiken

Wie Farben in R beschrieben werden, welche Farbnamen R kennt und welche Paletten wir mit colorspace, RColorBrewer, viridis, scico und weiteren Paketen in ggplot2 verwenden.

Die 455 benannten Farben von R (ohne die Graustufen gray0 bis gray100), sortiert nach Farbton.

Auf dieser Seite sammeln wir, was wir für Farben in R-Grafiken brauchen: wie Farben technisch beschrieben werden, welche Farbnamen R kennt und wie wir mit colorspace, RColorBrewer und weiteren Paketen Paletten für wissenschaftliche Grafiken auswählen, auch für ggplot2.

Jedes Farbfeld lässt sich anklicken; kopiert wird der passende R-Code, also Farbname, Hex-Code oder Palettenaufruf. Mit dem Auswahlfeld unten rechts sehen wir die ganze Seite so, wie Menschen mit Farbsehschwäche sie wahrnehmen.

Auf einen Blick

Farbe angeben

"steelblue"                              # Farbname
"#4682B4"                                # Hex-Code
rgb(70, 130, 180, maxColorValue = 255)   # RGB
hsv(h = 0.576, s = 0.611, v = 0.706)     # HSV (≈ steelblue)
hcl(h = 243, c = 54, l = 52)             # HCL (≈ steelblue)

Umrechnen und anpassen

col2rgb("steelblue")                     # Name/Hex -> RGB (0–255)
rgb2hsv(col2rgb("steelblue"))            # RGB -> HSV
as(colorspace::hex2RGB("#4682B4"), "polarLUV")   # Hex -> HCL
adjustcolor("steelblue", alpha.f = 0.5)  # halb transparent
colorRampPalette(c("white", "steelblue"))(9)     # interpolieren

Paletten in Base R und colorspace

hcl.colors(7, "Blues 3")                 # Base R
palette.colors(palette = "Okabe-Ito")    # Base R, für Kategorien
colorspace::qualitative_hcl(4, "Dark 3")
colorspace::sequential_hcl(7, "Blues 3")
colorspace::diverging_hcl(9, "Blue-Red 3")

Weitere Pakete

RColorBrewer::brewer.pal(5, "Set2")
viridisLite::viridis(7, option = "mako")
scico::scico(7, palette = "batlow")
khroma::color("bright")(7)                       # Paul Tol
paletteer::paletteer_d("MetBrewer::Hokusai3")    # über 2500 Paletten

ggplot2

scale_colour_discrete_qualitative(palette = "Dark 3")   # colorspace
scale_fill_continuous_sequential(palette = "Blues 3")   # colorspace
scale_fill_brewer(palette = "Set2")
scale_fill_viridis_c(option = "mako")
paletteer::scale_colour_paletteer_d("nord::aurora")
theme(palette.colour.discrete = "Okabe-Ito")            # ab ggplot2 4.0

Prüfen

p <- colorspace::qualitative_hcl(5, "Dark 3")
colorspace::swatchplot(p, cvd = TRUE)    # mit Simulationen
colorspace::specplot(p)                  # Verlauf von H, C und L
colorspace::desaturate(p)                # Graustufen
colorblindcheck::palette_check(p, plot = TRUE)
cols4all::c4a_gui()                      # Paletten vergleichen

Farbmodelle

Ein Bildschirmpixel kennt nur drei Zahlen: wie stark sein roter, grüner und blauer Anteil leuchtet. Hex-Codes, HSV und HCL sind andere Schreibweisen für dieselben drei Zahlen. Wir sehen uns an, wie gut sie jeweils zu unserer Wahrnehmung passen.

RGB: Licht mischen

Bei RGB mischen wir Rot, Grün und Blau additiv: Je mehr Licht, desto heller wird die Farbe. Rot und Grün ergeben Gelb, alle drei mit voller Intensität ergeben Weiß, alle drei aus ergeben Schwarz. Jeder Kanal hat 256 Stufen (0 bis 255, also 8 Bit); zusammen sind das gut 16,7 Millionen Farben.

In R geben wir die Werte standardmäßig zwischen 0 und 1 an. Wenn wir lieber mit 0 bis 255 arbeiten, setzen wir maxColorValue = 255. Als Ergebnis erhalten wir immer einen Hex-Code.

rgb(1, 0.5, 0)                          # "#FF8000"
rgb(255, 128, 0, maxColorValue = 255)   # "#FF8000"
col2rgb("orange")                       # zurück: 255, 165, 0

Rot + Grün = Gelb, Grün + Blau = Cyan, Rot + Blau = Magenta, alle drei = Weiß

Hex-Codes: RGB in HTML-Schreibweise

Die aus HTML und CSS bekannte Schreibweise #RRGGBB ist RGB im Hexadezimalsystem. Jeder Kanal bekommt zwei Stellen mit den Ziffern 0–9 und A–F; 00 steht für 0, FF für 16 · 15 + 15 = 255. R gibt Farben intern immer in dieser Form zurück.

E4Rot
14 · 16 + 4 = 228

95Grün
9 · 16 + 5 = 149

A5Blau
10 · 16 + 5 = 165

Mit zwei weiteren Stellen legen wir die Deckkraft (Alpha) fest: #RRGGBBAA, von 00 (durchsichtig) bis FF (deckend). So liefert adjustcolor("steelblue", alpha.f = 0.5) den Code "#4682B480".

Gleicher Name, andere Farbe

R verwendet die X11-Farbliste, Webbrowser die CSS-Liste. Beide kennen teils dieselben Namen für verschiedene Farben: "green" ist in R #00FF00, in CSS #008000; "gray" ist in R #BEBEBE, in CSS #808080. Wenn wir Farben zwischen R und Web austauschen, nehmen wir deshalb Hex-Codes.

HSV: Farbkreis statt Würfel

HSV beschreibt RGB-Farben mit drei anschaulicheren Größen: Farbton (hue, Position auf dem Farbkreis), Sättigung (saturation, von grau bis rein) und Hellwert (value, von schwarz bis zur vollen Intensität). In R liegen alle drei zwischen 0 und 1, auch der Farbton: h = 0.5 entspricht 180°.

hsv(h = seq(0, 1, length.out = 25), s = 1, v = 1)

h = 0h = 1

hsv(h = 0.6, s = seq(0, 1, length.out = 11), v = 1)

s = 0 (grau)s = 1 (rein)

hsv(h = 0.6, s = 1, v = seq(0, 1, length.out = 11))

v = 0 (schwarz)v = 1 (volle Intensität)

HSV ist aber nur eine Umrechnung des RGB-Würfels und kein Modell unserer Wahrnehmung. Farben mit gleichem s und v wirken deshalb unterschiedlich hell: Reines Gelb nehmen wir viel heller wahr als reines Blau. Auf HSV beruhen rainbow(), heat.colors() und die anderen klassischen Paletten von R.

hsv(h = 0.6, s = 1, v = 1)         # "#0066FF"
rgb2hsv(col2rgb("orange"))         # zurück nach HSV

HCL: Farben, wie wir sie sehen

HCL (hue, chroma, luminance) beruht auf dem CIELUV-Farbraum, der aus Experimenten zur menschlichen Farbwahrnehmung abgeleitet ist. Die drei Achsen können wir unabhängig voneinander verändern:

Farbton h: Winkel von 0 bis 360° (etwa 0 Rot, 120 Grün, 240 Blau)
Buntheit c (Chroma): 0 ist grau, nach oben offen
Luminanz l: wahrgenommene Helligkeit von 0 (schwarz) bis 100 (weiß)

Farben mit gleichem l nehmen wir als gleich hell wahr, und gleich große Schritte wirken annähernd gleich groß. Deshalb bauen wir Paletten am besten in HCL: Bei qualitativen Paletten ändern wir nur den Farbton, bei sequentiellen vor allem die Luminanz (Zeileis u. a. 2009).

hcl(h = seq(0, 360, length.out = 25), c = 50, l = 70)

h = 0h = 360

hcl(h = 250, c = seq(0, 60, length.out = 11), l = 50)

c = 0 (grau)c = 60

hcl(h = 250, c = 20, l = seq(10, 95, length.out = 11))

l = 10 (dunkel)l = 95 (hell)

Nicht jede Kombination können wir am Bildschirm darstellen. Wie viel Buntheit möglich ist, hängt von Farbton und Luminanz ab: Helles Gelb kann sehr bunt sein, helles Blau nicht. Die Tabelle zeigt alle Kombinationen mit c = 50; schraffierte Felder liegen außerhalb des RGB-Farbraums. hcl() schneidet solche Farben standardmäßig zurecht (fixup = TRUE), mit fixup = FALSE erhalten wir NA. Die größtmögliche Buntheit liefert colorspace::max_chroma(h, l).

90 80 70 60 50 40 30 20 l / h 0 60 120 180 240 300

HSV und HCL im Vergleich

Beide Kreise zeigen den Farbton von 0 bis 360°. Daneben stehen jeweils dieselben Farben in Graustufen, umgerechnet mit colorspace::desaturate(); so sehen wir, wie hell die Farben wirken. Im HSV-Kreis springt die Helligkeit (Gelb und Cyan hell, Blau dunkel), im HCL-Kreis bleibt sie gleich. Ein HSV-Regenbogen hebt deshalb ungewollt einzelne Farben hervor, eine HCL-Palette nicht.

HSVs = 1, v = 1

0°90°180°270°

graudesaturate()

0°90°180°270°

Gleiche Sättigung und gleicher Hellwert, aber sehr unterschiedliche Helligkeit

HCLc = 50, l = 70

0°90°180°270°

graudesaturate()

0°90°180°270°

Gleiche Luminanz: alle Farbtöne wirken gleich hell

Ausprobieren

Wir bewegen die Regler und wechseln zwischen den Modellen. Darunter steht dieselbe Farbe in allen Schreibweisen; ein Klick auf eine Zeile kopiert den Code.

Der Farbmischer braucht JavaScript.

Umrechnen

Von → nach	Funktion
Name oder Hex → RGB	`col2rgb(x)` (Werte 0–255, mit `alpha = TRUE` auch die Deckkraft)
RGB → Hex	`rgb(r, g, b, maxColorValue = 255)`
RGB → HSV	`rgb2hsv(r, g, b)` (erwartet standardmäßig 0–255)
HSV → Hex	`hsv(h, s, v)`
HCL → Hex	`hcl(h, c, l)` oder mit colorspace `hex(polarLUV(l, c, h))`
Hex → HCL	mit colorspace `as(hex2RGB(x), "polarLUV")`
Transparenz	`adjustcolor(x, alpha.f = 0.5)` oder `colorspace::adjust_transparency(x, alpha = 0.5)`
Zwischenfarben	`colorRampPalette(c("white", "steelblue"))(n)`

col2rgb("steelblue")

      [,1]
red     70
green  130
blue   180

rgb2hsv(70, 130, 180)

       [,1]
h 0.5757576
s 0.6111111
v 0.7058824

as(hex2RGB("#4682B4"), "polarLUV")

            L        C        H
[1,] 52.46539 54.48801 242.5573

adjustcolor("steelblue", alpha.f = 0.5)

[1] "#4682B480"

Benannte Farben

colors() liefert alle 657 Farbnamen, die R kennt; sie stammen aus der X11-Farbliste. Viele Farben gibt es zusätzlich in vier Abstufungen ("tomato1" bis "tomato4"), und Grau kommt in beiden Schreibweisen gray und grey vor. Ohne Dubletten bleiben 502 verschiedene Farben (colors(distinct = TRUE)).

Graustufen

gray0 (schwarz) bis gray100 (weiß), identisch mit grey0 bis grey100. Dazu kommen "black", "white", "gray", "dimgray", "darkgray", "lightgray" und weitere, die wir unten bei den übrigen Namen finden.

0 10 20 30 40 50 60 70 80 90 100

Alle übrigen Farbnamen

Wir sortieren nach Farbton; Farben mit sehr geringer Buntheit (Weiß-, Grau- und Beigetöne) stehen am Ende. Über das Suchfeld finden wir Namen oder Hex-Codes, ein Klick kopiert den Namen mit Anführungszeichen.

pink#FFC0CB

lightpink#FFB6C1

pink1#FFB5C5

lightpink1#FFAEB9

pink2#EEA9B8

lightpink2#EEA2AD

palevioletred1#FF82AB

pink3#CD919E

palevioletred2#EE799F

lightpink3#CD8C95

palevioletred#DB7093

violetred1#FF3E96

palevioletred3#CD6889

violetred2#EE3A8C

violetred3#CD3278

pink4#8B636C

lightpink4#8B5F65

maroon#B03060

palevioletred4#8B475D

mistyrose#FFE4E1

mistyrose1#FFE4E1

mistyrose2#EED5D2

rosybrown1#FFC1C1

rosybrown2#EEB4B4

mistyrose3#CDB7B5

lightsalmon#FFA07A

lightsalmon1#FFA07A

salmon1#FF8C69

lightsalmon2#EE9572

darksalmon#E9967A

rosybrown3#CD9B9B

sienna1#FF8247

coral#FF7F50

salmon#FA8072

chocolate1#FF7F24

darkorange1#FF7F00

lightcoral#F08080

salmon2#EE8262

coral1#FF7256

indianred1#FF6A6A

rosybrown#BC8F8F

sienna2#EE7942

chocolate2#EE7621

darkorange2#EE7600

tomato#FF6347

tomato1#FF6347

lightsalmon3#CD8162

coral2#EE6A50

indianred2#EE6363

tomato2#EE5C42

orangered#FF4500

orangered1#FF4500

brown1#FF4040

salmon3#CD7054

chocolate#D2691E

firebrick1#FF3030

sienna3#CD6839

chocolate3#CD661D

orangered2#EE4000

brown2#EE3B3B

mistyrose4#8B7D7B

indianred#CD5C5C

red#FF0000

red1#FF0000

coral3#CD5B45

firebrick2#EE2C2C

indianred3#CD5555

tomato3#CD4F39

red2#EE0000

rosybrown4#8B6969

orangered3#CD3700

brown3#CD3333

firebrick3#CD2626

sienna#A0522D

red3#CD0000

lightsalmon4#8B5742

salmon4#8B4C39

firebrick#B22222

sienna4#8B4726

brown#A52A2A

chocolate4#8B4513

saddlebrown#8B4513

coral4#8B3E2F

indianred4#8B3A3A

tomato4#8B3626

brown4#8B2323

orangered4#8B2500

firebrick4#8B1A1A

darkred#8B0000

red4#8B0000

seashell#FFF5EE

seashell1#FFF5EE

seashell2#EEE5DE

peachpuff#FFDAB9

peachpuff1#FFDAB9

peachpuff2#EECBAD

seashell3#CDC5BF

tan1#FFA54F

orange#FFA500

orange1#FFA500

sandybrown#F4A460

peachpuff3#CDAF95

tan2#EE9A49

orange2#EE9A00

darkorange#FF8C00

peru#CD853F

tan3#CD853F

orange3#CD8500

darkorange3#CD6600

peachpuff4#8B7765

tan4#8B5A2B

orange4#8B5A00

darkorange4#8B4500

floralwhite#FFFAF0

oldlace#FDF5E6

linen#FAF0E6

antiquewhite1#FFEFDB

papayawhip#FFEFD5

blanchedalmond#FFEBCD

antiquewhite#FAEBD7

wheat1#FFE7BA

bisque#FFE4C4

bisque1#FFE4C4

moccasin#FFE4B5

navajowhite#FFDEAD

navajowhite1#FFDEAD

antiquewhite2#EEDFCC

wheat#F5DEB3

wheat2#EED8AE

burlywood1#FFD39B

gold#FFD700

gold1#FFD700

bisque2#EED5B7

navajowhite2#EECFA1

burlywood2#EEC591

gold2#EEC900

goldenrod1#FFC125

darkgoldenrod1#FFB90F

antiquewhite3#CDC0B0

burlywood#DEB887

goldenrod2#EEB422

wheat3#CDBA96

bisque3#CDB79E

tan#D2B48C

darkgoldenrod2#EEAD0E

navajowhite3#CDB38B

burlywood3#CDAA7D

gold3#CDAD00

goldenrod#DAA520

goldenrod3#CD9B1D

darkgoldenrod3#CD950C

darkgoldenrod#B8860B

antiquewhite4#8B8378

wheat4#8B7E66

bisque4#8B7D6B

navajowhite4#8B795E

burlywood4#8B7355

gold4#8B7500

goldenrod4#8B6914

darkgoldenrod4#8B6508

ivory#FFFFF0

ivory1#FFFFF0

lightyellow#FFFFE0

lightyellow1#FFFFE0

lemonchiffon#FFFACD

lemonchiffon1#FFFACD

cornsilk#FFF8DC

cornsilk1#FFF8DC

lightgoldenrodyellow#FAFAD2

yellow#FFFF00

yellow1#FFFF00

beige#F5F5DC

khaki1#FFF68F

ivory2#EEEEE0

lightyellow2#EEEED1

lightgoldenrod1#FFEC8B

cornsilk2#EEE8CD

lemonchiffon2#EEE9BF

yellow2#EEEE00

palegoldenrod#EEE8AA

khaki#F0E68C

khaki2#EEE685

lightgoldenrod#EEDD82

lightgoldenrod2#EEDC82

ivory3#CDCDC1

lightyellow3#CDCDB4

lemonchiffon3#CDC9A5

cornsilk3#CDC8B1

yellow3#CDCD00

khaki3#CDC673

lightgoldenrod3#CDBE70

darkkhaki#BDB76B

ivory4#8B8B83

lightyellow4#8B8B7A

lemonchiffon4#8B8970

cornsilk4#8B8878

yellow4#8B8B00

khaki4#8B864E

lightgoldenrod4#8B814C

darkolivegreen1#CAFF70

olivedrab1#C0FF3E

darkolivegreen2#BCEE68

olivedrab2#B3EE3A

darkolivegreen3#A2CD5A

olivedrab3#9ACD32

yellowgreen#9ACD32

olivedrab#6B8E23

darkolivegreen4#6E8B3D

olivedrab4#698B22

darkolivegreen#556B2F

honeydew#F0FFF0

honeydew1#F0FFF0

darkseagreen1#C1FFC1

honeydew2#E0EEE0

palegreen1#9AFF9A

greenyellow#ADFF2F

palegreen#98FB98

chartreuse#7FFF00

chartreuse1#7FFF00

darkseagreen2#B4EEB4

lawngreen#7CFC00

green#00FF00

green1#00FF00

lightgreen#90EE90

palegreen2#90EE90

chartreuse2#76EE00

green2#00EE00

honeydew3#C1CDC1

darkseagreen3#9BCD9B

palegreen3#7CCD7C

chartreuse3#66CD00

limegreen#32CD32

darkseagreen#8FBC8F

green3#00CD00

honeydew4#838B83

darkseagreen4#698B69

palegreen4#548B54

chartreuse4#458B00

forestgreen#228B22

green4#008B00

darkgreen#006400

seagreen1#54FF9F

springgreen#00FF7F

springgreen1#00FF7F

mediumspringgreen#00FA9A

seagreen2#4EEE94

springgreen2#00EE76

seagreen3#43CD80

springgreen3#00CD66

mediumseagreen#3CB371

seagreen#2E8B57

seagreen4#2E8B57

springgreen4#008B45

aquamarine#7FFFD4

aquamarine1#7FFFD4

aquamarine2#76EEC6

aquamarine3#66CDAA

mediumaquamarine#66CDAA

aquamarine4#458B74

turquoise#40E0D0

mediumturquoise#48D1CC

lightseagreen#20B2AA

azure#F0FFFF

azure1#F0FFFF

lightcyan#E0FFFF

lightcyan1#E0FFFF

paleturquoise1#BBFFFF

darkslategray1#97FFFF

azure2#E0EEEE

lightcyan2#D1EEEE

cadetblue1#98F5FF

cyan#00FFFF

cyan1#00FFFF

paleturquoise#AFEEEE

paleturquoise2#AEEEEE

darkslategray2#8DEEEE

turquoise1#00F5FF

powderblue#B0E0E6

cadetblue2#8EE5EE

cyan2#00EEEE

turquoise2#00E5EE

azure3#C1CDCD

lightcyan3#B4CDCD

paleturquoise3#96CDCD

darkslategray3#79CDCD

darkturquoise#00CED1

cadetblue3#7AC5CD

cyan3#00CDCD

turquoise3#00C5CD

cadetblue#5F9EA0

lightcyan4#7A8B8B

paleturquoise4#668B8B

darkslategray4#528B8B

cadetblue4#53868B

cyan4#008B8B

darkcyan#008B8B

turquoise4#00868B

darkslategray#2F4F4F

darkslategrey#2F4F4F

lightblue1#BFEFFF

lightskyblue1#B0E2FF

lightblue2#B2DFEE

lightblue#ADD8E6

lightskyblue2#A4D3EE

skyblue#87CEEB

lightblue3#9AC0CD

lightskyblue3#8DB6CD

lightblue4#68838B

lightskyblue4#607B8B

aliceblue#F0F8FF

lightsteelblue1#CAE1FF

slategray1#C6E2FF

slategray2#B9D3EE

lightsteelblue2#BCD2EE

skyblue1#87CEFF

lightskyblue#87CEFA

lightsteelblue#B0C4DE

skyblue2#7EC0EE

slategray3#9FB6CD

lightsteelblue3#A2B5CD

deepskyblue#00BFFF

deepskyblue1#00BFFF

steelblue1#63B8FF

deepskyblue2#00B2EE

steelblue2#5CACEE

skyblue3#6CA6CD

deepskyblue3#009ACD

steelblue3#4F94CD

lightslategray#778899

lightslategrey#778899

slategray#708090

slategrey#708090

steelblue#4682B4

lightsteelblue4#6E7B8B

slategray4#6C7B8B

skyblue4#4A708B

deepskyblue4#00688B

steelblue4#36648B

lavender#E6E6FA

cornflowerblue#6495ED

dodgerblue#1E90FF

dodgerblue1#1E90FF

lightslateblue#8470FF

dodgerblue2#1C86EE

slateblue1#836FFF

royalblue1#4876FF

mediumslateblue#7B68EE

slateblue2#7A67EE

royalblue2#436EEE

dodgerblue3#1874CD

royalblue#4169E1

slateblue#6A5ACD

slateblue3#6959CD

royalblue3#3A5FCD

dodgerblue4#104E8B

blue#0000FF

blue1#0000FF

darkslateblue#483D8B

slateblue4#473C8B

blue2#0000EE

royalblue4#27408B

blue3#0000CD

mediumblue#0000CD

midnightblue#191970

blue4#00008B

darkblue#00008B

navy#000080

navyblue#000080

mediumpurple1#AB82FF

mediumpurple2#9F79EE

mediumpurple#9370DB

darkorchid1#BF3EFF

mediumpurple3#8968CD

darkorchid2#B23AEE

purple1#9B30FF

purple#A020F0

purple2#912CEE

darkorchid3#9A32CD

darkorchid#9932CC

blueviolet#8A2BE2

darkviolet#9400D3

purple3#7D26CD

mediumpurple4#5D478B

darkorchid4#68228B

purple4#551A8B

thistle1#FFE1FF

thistle2#EED2EE

plum1#FFBBFF

thistle#D8BFD8

plum2#EEAEEE

thistle3#CDB5CD

plum#DDA0DD

orchid1#FF83FA

violet#EE82EE

plum3#CD96CD

mediumorchid1#E066FF

orchid#DA70D6

magenta#FF00FF

magenta1#FF00FF

mediumorchid2#D15FEE

orchid3#CD69C9

magenta2#EE00EE

mediumorchid#BA55D3

thistle4#8B7B8B

mediumorchid3#B452CD

magenta3#CD00CD

plum4#8B668B

orchid4#8B4789

mediumorchid4#7A378B

darkmagenta#8B008B

magenta4#8B008B

orchid2#EE7AE9

lavenderblush#FFF0F5

lavenderblush1#FFF0F5

lavenderblush2#EEE0E5

lavenderblush3#CDC1C5

hotpink1#FF6EB4

hotpink#FF69B4

hotpink2#EE6AA7

maroon1#FF34B3

deeppink#FF1493

deeppink1#FF1493

hotpink3#CD6090

maroon2#EE30A7

deeppink2#EE1289

maroon3#CD2990

violetred#D02090

deeppink3#CD1076

mediumvioletred#C71585

hotpink4#8B3A62

violetred4#8B2252

maroon4#8B1C62

deeppink4#8B0A50

white#FFFFFF

mintcream#F5FFFA

snow#FFFAFA

snow1#FFFAFA

ghostwhite#F8F8FF

whitesmoke#F5F5F5

snow2#EEE9E9

gainsboro#DCDCDC

lightgray#D3D3D3

lightgrey#D3D3D3

snow3#CDC9C9

gray#BEBEBE

grey#BEBEBE

darkgray#A9A9A9

darkgrey#A9A9A9

snow4#8B8989

azure4#838B8B

seashell4#8B8682

lavenderblush4#8B8386

dimgray#696969

dimgrey#696969

black#000000

Eingebaute Paletten in Base R

Die klassischen Paletten aus grDevices erzeugen n Farben entlang eines festen Verlaufs:

rainbow(n)

heat.colors(n)

terrain.colors(n)

topo.colors(n)

cm.colors(n)

gray.colors(n)

hcl.colors(n, "viridis")

Für neue Grafiken lieber HCL

rainbow(), heat.colors(), terrain.colors(), topo.colors() und cm.colors() beruhen auf HSV. Ihre Helligkeit schwankt stark, und bei Farbsehschwäche sind viele Farben kaum zu unterscheiden. Für neue Grafiken nehmen wir deshalb besser hcl.colors() (seit R 3.6 in Base R) oder die Paletten aus colorspace.

Für Kategorien gibt es seit R 4.0 palette.colors(). Die voreingestellte Palette "Okabe-Ito" können auch Menschen mit Farbsehschwäche gut unterscheiden. palette() zeigt oder setzt die Standardfarben, die Base-Grafiken bei col = 1, 2, 3, … verwenden; palette.pals() listet alle Namen.

palette.colors(palette = "R3")

palette.colors(palette = "R4")

palette.colors(palette = "ggplot2")

palette.colors(palette = "Okabe-Ito")

palette.colors(palette = "Accent")

palette.colors(palette = "Dark 2")

palette.colors(palette = "Paired")

palette.colors(palette = "Pastel 1")

palette.colors(palette = "Pastel 2")

palette.colors(palette = "Set 1")

palette.colors(palette = "Set 2")

palette.colors(palette = "Set 3")

palette.colors(palette = "Tableau 10")

palette.colors(palette = "Classic Tableau")

palette.colors(palette = "Polychrome 36")

palette.colors(palette = "Alphabet")

colorspace

colorspace von Achim Zeileis und Kolleg:innen (Zeileis u. a. 2020) baut Paletten im HCL-Raum. Dadurch steuern wir Helligkeit und Buntheit gezielt: Qualitative Paletten haben überall dieselbe Luminanz, sequentielle werden gleichmäßig heller. Wir installieren das Paket mit install.packages("colorspace").

Welcher Palettentyp passt?

Qualitativ

Für Kategorien ohne Rangfolge, etwa Gruppen oder Studiengänge. Nur der Farbton wechselt, Helligkeit und Buntheit bleiben gleich.

qualitative_hcl(n, "Dark 3")

Sequentiell

Für geordnete oder numerische Werte von niedrig nach hoch. Die Luminanz ändert sich gleichmäßig in eine Richtung.

sequential_hcl(n, "Blues 3")

Divergierend

Für Werte mit einer sinnvollen Mitte, etwa 0, einem Mittelwert oder einer neutralen Antwort. Zwei Farbtöne, die Mitte ist hell.

diverging_hcl(n, "Blue-Red 3")

Divergierend, flexibel

Wie divergierend, aber beide Seiten dürfen unterschiedlich aufgebaut sein. Enthält HCL-Nachbauten bekannter Paletten.

divergingx_hcl(n, "RdBu")

Alle vordefinierten Paletten

Ein Klick auf den Namen kopiert den Aufruf, ein Klick auf ein Farbfeld den Hex-Code. Die meisten dieser Paletten erhalten wir auch in Base R über hcl.colors(n, palette); hcl.pals() listet die Namen.

Qualitativ9 Paletten mit qualitative_hcl()

Sequentiell, ein Farbton11 Paletten mit sequential_hcl()

Sequentiell, mehrere Farbtöne59 Paletten mit sequential_hcl()

Divergierend18 Paletten mit diverging_hcl()

Divergierend, flexibel19 Paletten mit divergingx_hcl()

Eigene Paletten

Jede vordefinierte Palette ist nur ein Satz von HCL-Parametern. Wir können die Parameter direkt angeben oder einzelne Werte einer vorhandenen Palette überschreiben (h1, h2, c1, c2, l1, l2, p1, p2, cmax):

qualitative_hcl(5, h = c(0, 288), c = 60, l = 70)

sequential_hcl(7, h = 260, c = c(80, 10), l = c(30, 95), power = 1.5)

diverging_hcl(7, h = c(260, 0), c = 80, l = c(30, 95), power = 1.5)

sequential_hcl(7, palette = "Blues 3", l2 = 80)

Interaktiv stellen wir Paletten mit choose_palette() (Tcl/Tk-Fenster), hclwizard() (Shiny-App) oder im Browser unter hclwizard.org zusammen.

Funktionen im Überblick

Funktion	Zweck
`qualitative_hcl(n, palette)`	qualitative Palette
`sequential_hcl(n, palette)`	sequentielle Palette
`diverging_hcl(n, palette)`	divergierende Palette
`divergingx_hcl(n, palette)`	divergierende Palette mit unabhängigen Hälften
`hcl_palettes(type, plot = TRUE)`	vordefinierte Paletten auflisten und zeichnen
`swatchplot(..., cvd = TRUE)`	Farben als Farbfelder zeichnen, auf Wunsch mit Simulationen
`specplot(x)`	Verlauf von H, C und L entlang einer Palette
`hclplot(x)`	Palette im HCL-Raum darstellen
`demoplot(x, type)`	Palette in einer Beispielgrafik testen (`"map"`, `"heatmap"`, `"bar"`, …)
`choose_palette()`, `hclwizard()`	Paletten interaktiv zusammenstellen
`lighten()`, `darken()`	Farben in HCL aufhellen oder abdunkeln
`desaturate(x, amount)`	Buntheit entfernen; zeigt die wahrgenommene Helligkeit
`deutan()`, `protan()`, `tritan()`	Farbsehschwäche simulieren
`cvd_emulator()`	eigene Grafik hochladen und Farbsehschwäche simulieren (Shiny-App)
`adjust_transparency(x, alpha)`	Deckkraft setzen
`max_chroma(h, l)`	größte darstellbare Buntheit

So wirken die Hilfsfunktionen auf eine Palette p:

p <- qualitative_hcl(5, "Dark 3")

Ausgangspalette

lighten(p, 0.4)

heller, Farbton bleibt

darken(p, 0.3)

dunkler, Farbton bleibt

desaturate(p, 0.5)

halb entsättigt

desaturate(p)

nur noch Luminanz: alle gleich hell, wie wir es bei einer qualitativen Palette wollen

deutan(p)

Simulation Deuteranopie (Grünblindheit)

protan(p)

Simulation Protanopie (Rotblindheit)

tritan(p)

Simulation Tritanopie (Blaublindheit)

colorspace mit ggplot2

Alle ggplot2-Skalen von colorspace folgen einem Schema aus drei Teilen. Statt colour können wir auch color schreiben.

scale_

colourfillWas färben wir ein?

discretecontinuousbinnedWelche Art von Variable?

qualitativesequentialdivergingdivergingxWelcher Palettentyp?

()

Für Flächen (Balken, Kacheln, Karten) nehmen wir jeweils `fill` statt `colour`, z. B. `scale_fill_continuous_sequential()`.
Palettentyp	diskret (Faktor)	kontinuierlich	gebinnt
qualitativ	`scale_colour_discrete_qualitative()`	–	–
sequentiell	`scale_colour_discrete_sequential()`	`scale_colour_continuous_sequential()`	`scale_colour_binned_sequential()`
divergierend	`scale_colour_discrete_diverging()`	`scale_colour_continuous_diverging()`	`scale_colour_binned_diverging()`
divergierend, flexibel	`scale_colour_discrete_divergingx()`	`scale_colour_continuous_divergingx()`	`scale_colour_binned_divergingx()`

Wichtige Argumente:

Argument	Bedeutung
`palette`	Name der HCL-Palette, z. B. `"Blues 3"`
`rev`	Richtung der Palette umkehren (`TRUE` / `FALSE`)
`begin`, `end`	nur einen Ausschnitt der Palette verwenden (zwischen 0 und 1)
`mid`	Mittelpunkt bei divergierenden kontinuierlichen Skalen
`nmax`, `order`	diskrete Skalen: Palette mit `nmax` Farben erzeugen und mit `order` daraus auswählen
`h1`, `c1`, `l1`, …	einzelne HCL-Parameter der Palette überschreiben
`aesthetics`	z. B. `c("colour", "fill")`, um beide auf einmal zu setzen
`name`, `breaks`, `labels`, `na.value`	die üblichen Argumente aller ggplot2-Skalen

ggplot(mpg, aes(displ, hwy, colour = class)) +
  geom_point(size = 2.5, alpha = 0.85) +
  scale_colour_discrete_qualitative(palette = "Dark 3") +
  labs(x = "Hubraum (l)", y = "Meilen pro Gallone (Autobahn)",
       colour = "Fahrzeugklasse")

ggplot(faithfuld, aes(waiting, eruptions, fill = density)) +
  geom_raster() +
  scale_fill_continuous_sequential(palette = "YlGnBu") +
  coord_cartesian(expand = FALSE) +
  labs(x = "Wartezeit (min)", y = "Eruptionsdauer (min)", fill = "Dichte")

gitter <- expand.grid(x = seq(-2, 2, length.out = 81),
                      y = seq(-2, 2, length.out = 81))
gitter$z <- with(gitter, x * exp(-x^2 - y^2))

ggplot(gitter, aes(x, y, fill = z)) +
  geom_raster() +
  scale_fill_continuous_diverging(palette = "Blue-Red 3", mid = 0) +
  coord_fixed(expand = FALSE)

ggplot(mpg, aes(displ, hwy, colour = cty)) +
  geom_point(size = 2.5) +
  scale_colour_binned_sequential(palette = "Plasma") +
  labs(x = "Hubraum (l)", y = "Meilen pro Gallone (Autobahn)",
       colour = "Stadt (mpg)")

Paletten können wir auch von Hand an die allgemeinen ggplot2-Skalen übergeben:

scale_colour_manual(values = qualitative_hcl(3, "Dark 3"))        # diskret
scale_fill_manual(values = c(setosa = "#E495A5",                  # feste Zuordnung
                             versicolor = "#ABB065",
                             virginica = "#39BEB1"))
scale_fill_gradientn(colours = sequential_hcl(7, "Mint"))         # kontinuierlich
scale_fill_gradient2(low = "steelblue", mid = "white",            # divergierend
                     high = "firebrick", midpoint = 0)
scale_fill_stepsn(colours = sequential_hcl(5, "Purples 3"))       # gebinnt

RColorBrewer

Die Paletten von ColorBrewer hat die Kartografin Cynthia Brewer für Landkarten entwickelt (Harrower und Brewer 2003). Die 35 Paletten sind von Hand abgestimmt und liegen nur in festen Längen vor: mindestens 3 Farben, höchstens 8 bis 12 je nach Palette. Wir installieren das Paket mit install.packages("RColorBrewer").

Paletten

Ein Klick auf den Namen kopiert brewer.pal() mit der größtmöglichen Anzahl Farben. ◐ markiert Paletten, die laut brewer.pal.info auch bei Farbsehschwäche funktionieren.

Sequentiell

max. 9 ◐

Divergierend

max. 11 ◐

max. 11

max. 11 ◐

max. 11

Qualitativ

max. 8

max. 8 ◐

max. 12 ◐

max. 9

max. 8

max. 9

max. 8 ◐

max. 12

Funktionen

Funktion	Zweck
`brewer.pal(n, name)`	`n` Farben einer Palette (3 ≤ `n` ≤ `maxcolors`)
`brewer.pal.info`	Tabelle mit `maxcolors`, `category` und `colorblind`
`display.brewer.all()`	alle Paletten zeichnen; `type = "seq"`, `"div"` oder `"qual"`, `colorblindFriendly = TRUE`
`display.brewer.pal(n, name)`	eine Palette zeichnen
`colorRampPalette(brewer.pal(9, "Blues"))(25)`	mehr Farben als vorgesehen durch Interpolation

Grenzen von brewer.pal()

Für n < 3 erhalten wir eine Warnung und trotzdem drei Farben, für n > maxcolors ebenfalls eine Warnung und nur maxcolors Farben. Brauchen wir mehr, interpolieren wir mit colorRampPalette() oder nehmen eine HCL-Palette: colorspace enthält HCL-Nachbauten vieler ColorBrewer-Paletten, etwa sequential_hcl(n, "YlGnBu") oder divergingx_hcl(n, "RdBu"), und erzeugt beliebig viele Farben.

RColorBrewer mit ggplot2

Die Skalen gehören zu ggplot2 selbst; RColorBrewer müssen wir dafür nicht laden.

Funktion	Variable	Hinweis
`scale_colour_brewer()`, `scale_fill_brewer()`	diskret	höchstens `maxcolors` Stufen
`scale_colour_distiller()`, `scale_fill_distiller()`	kontinuierlich	interpoliert zwischen den Palettenfarben
`scale_colour_fermenter()`, `scale_fill_fermenter()`	gebinnt	eine Farbe pro Klasse

Wichtige Argumente sind palette (Name oder Nummer), type ("seq", "div", "qual") und direction (1 oder -1). Bei distiller und fermenter ist direction = -1 voreingestellt; die Palette läuft dort also umgekehrt zu brewer.pal().

ggplot(mpg, aes(class, fill = drv)) +
  geom_bar() +
  scale_fill_brewer(palette = "Set2") +
  labs(x = NULL, y = "Anzahl", fill = "Antrieb")

ggplot(faithfuld, aes(waiting, eruptions, fill = density)) +
  geom_raster() +
  scale_fill_distiller(palette = "YlGnBu", direction = 1) +
  coord_cartesian(expand = FALSE) +
  labs(x = "Wartezeit (min)", y = "Eruptionsdauer (min)", fill = "Dichte")

# gitter: siehe Beispiel „Divergierend“ bei colorspace
ggplot(gitter, aes(x, y, fill = z)) +
  geom_raster() +
  scale_fill_fermenter(palette = "RdBu", limits = c(-0.45, 0.45),
                       breaks = seq(-0.4, 0.4, by = 0.2)) +
  coord_fixed(expand = FALSE)

Weitere Palettenpakete

Neben colorspace und RColorBrewer gibt es Dutzende Pakete mit fertigen Paletten. Für wissenschaftliche Grafiken achten wir bei der Auswahl auf vier Punkte:

Gleichmäßige Helligkeit: Bei sequentiellen und divergierenden Paletten soll die Luminanz gleichmäßig zu- oder abnehmen. Sonst sehen wir Grenzen, wo in den Daten keine sind (Crameri u. a. 2020).
Farbsehschwäche: Etwa 8 % der Männer und 0,5 % der Frauen nordeuropäischer Herkunft haben eine Rot-Grün-Sehschwäche. Auch für sie muss die Palette unterscheidbar bleiben.
Graustufen: Wird die Grafik schwarz-weiß gedruckt, sollen die Abstufungen erhalten bleiben.
Anzahl der Farben: Qualitative Paletten haben eine feste Länge. Mehr als etwa acht Kategorien können wir ohnehin kaum sicher auseinanderhalten.

Mit dem Auswahlfeld unten rechts prüfen wir alle Paletten auf dieser Seite direkt: Es simuliert Deuteranopie, Protanopie, Tritanopie oder einen Graustufendruck. Die Simulation beruht wie colorspace::deutan() auf dem Modell von Machado u. a. (2009).

Alle Pakete gibt es auf CRAN. Mit `pacman::p_load(scico, khroma, paletteer)` installieren und laden wir mehrere Pakete in einem Schritt.
Paket	Schwerpunkt	bei Farbsehschwäche
viridisLite	wahrnehmungsgleichmäßige Verläufe, in ggplot2 eingebaut	geeignet
scico	Scientific Colour Maps von Fabio Crameri	geeignet
cmocean	Farbskalen für die Ozeanografie	nicht eigens geprüft
khroma	Paletten von Paul Tol, Okabe-Ito	geeignet
ggokabeito	Okabe-Ito als ggplot2-Skala	geeignet
rcartocolor	CARTO-Paletten für Karten	teilweise, im Paket markiert
ggsci	Paletten von Fachzeitschriften und Software	nicht geprüft
ggthemes	Tableau, Okabe-Ito und Stile bekannter Programme	teilweise
ggprism	Paletten aus GraphPad Prism	nicht geprüft
MetBrewer	Gemälde aus dem Metropolitan Museum of Art	teilweise, im Paket markiert
NatParksPalettes	Nationalparks	teilweise, im Paket markiert
wesanderson	Filme von Wes Anderson	nicht geprüft
Polychrome	sehr viele unterscheidbare Farben	–
paletteer	über 2500 Paletten aus mehr als 70 Paketen mit einer Schnittstelle	–
cols4all	Paletten vergleichen und bewerten	mit Bewertung

Wissenschaftliche Farbskalen

Für Werte auf einer kontinuierlichen Skala, etwa Temperaturen, Dichten oder Korrelationen, haben sich Paletten durchgesetzt, deren Helligkeit gleichmäßig verläuft. Sie bleiben auch bei Farbsehschwäche und in Graustufen lesbar.

viridis

Die viridis-Familie wurde ursprünglich für die Python-Bibliothek matplotlib entwickelt. Wir brauchen dafür kein zusätzliches Paket: viridisLite wird mit ggplot2 installiert, und ggplot2 bringt eigene Skalen mit. cividis ist eigens für Farbsehschwäche optimiert (Nuñez u. a. 2018). turbo ist eine verbesserte Regenbogenpalette, aber nicht gleichmäßig hell; wir nehmen sie nur, wenn wir sehr viele Stufen unterscheiden müssen.

Acht OptionenviridisLite::viridis(), in ggplot2 über option

viridisLite::viridis(7, option = "mako")     # oder option = "G"
scale_colour_viridis_d(option = "plasma")    # diskret
scale_fill_viridis_c(option = "magma")       # kontinuierlich
scale_fill_viridis_b(option = "cividis")     # gebinnt
hcl.colors(7, "viridis")                     # HCL-Näherung in Base R

scico

scico enthält die Scientific Colour Maps von Fabio Crameri (Crameri u. a. 2020). Sie sind wahrnehmungsgleichmäßig, für Farbsehschwäche geeignet und in Graustufen lesbar. Neben sequentiellen und divergierenden Paletten gibt es zyklische (Endung O), etwa für Winkel oder Tageszeiten, und seit Version 1.5 kategoriale Varianten.

Sequentiell

Divergierend

Mehrfach sequentiell

Zyklisch

Kategorialcategorical = TRUE

scico::scico(7, palette = "batlow")
scico::scico(5, palette = "batlow", categorical = TRUE)
scico::scico_palette_names()                            # alle Namen
scico::scale_fill_scico(palette = "vik", midpoint = 0)  # kontinuierlich
scico::scale_colour_scico_d(palette = "batlow")         # diskret

cmocean

cmocean enthält die Farbskalen von Kristen Thyng und Kolleg:innen für die Ozeanografie (Thyng u. a. 2016). Die Namen sagen, wofür eine Skala gedacht ist: thermal für Temperatur, haline für Salzgehalt, deep für Wassertiefe, balance für Abweichungen um null.

Sequentiell

Divergierend

Zyklisch

Mehrteilig

cmocean::cmocean("thermal")(7)                          # liefert eine Funktion
cmocean::scale_fill_cmocean(name = "deep")              # kontinuierlich
cmocean::scale_colour_cmocean(name = "haline", discrete = TRUE)

Paletten für Farbsehschwäche

Für Kategorien brauchen wir Farben, die sich im Farbton deutlich unterscheiden und trotzdem bei Farbsehschwäche auseinanderzuhalten sind.

Okabe-Ito

Die Farben von Masataka Okabe und Kei Ito (Okabe und Ito [2002] 2008) gelten als Standard für Kategorien. Seit R 4.0 sind sie in Base R enthalten. Schwarz steht an erster Stelle; für Datenpunkte lassen wir es oft weg.

1 black#000000

2 orange#E69F00

3 skyblue#56B4E9

4 bluishgreen#009E73

5 yellow#F0E442

6 blue#0072B2

7 vermillion#D55E00

8 reddishpurple#CC79A7

9 gray#999999

palette.colors(palette = "Okabe-Ito")                   # Base R ab 4.0
palette.colors(palette = "Okabe-Ito")[-1]               # ohne Schwarz
scale_colour_manual(values = unname(palette.colors(palette = "Okabe-Ito")[-1]))
ggokabeito::scale_colour_okabe_ito()                    # eigenes Paket
theme(palette.colour.discrete = "Okabe-Ito")            # ggplot2 ab 4.0

Paul Tol: khroma

Paul Tol hat am niederländischen Institut für Weltraumforschung (SRON) Farbschemata entwickelt, die bei Farbsehschwäche und im Druck funktionieren (Tol 2021). Das Paket khroma stellt sie bereit, zusammen mit Okabe-Ito und den Paletten von Crameri.

Qualitativ

Sequentiell

Weitere

bright <- khroma::color("bright")   # liefert eine Funktion
bright(7)
khroma::info()                      # alle Paletten mit Typ und Höchstzahl
khroma::scale_colour_bright()       # Schema: scale_colour_<palette>()
khroma::scale_fill_muted()

CARTO: rcartocolor

Die Paletten des Kartendienstes CARTO wurden für thematische Karten entworfen. Safe ist die qualitative Palette für Farbsehschwäche. ◐ markiert alle Paletten, die laut metacartocolors dafür geeignet sind.

Qualitativ

Sequentiell

Weitere

rcartocolor::carto_pal(7, "Safe")
rcartocolor::display_carto_all(colorblind_friendly = TRUE)
rcartocolor::scale_colour_carto_d(palette = "Safe")
rcartocolor::scale_fill_carto_c(palette = "Burg")

Zeitschriften und Software

Manche Zeitschriften und Programme haben eigene Farbschemata. Mit ggsci, ggthemes und ggprism übernehmen wir sie in ggplot2, etwa damit eine Grafik zum Stil einer Zielzeitschrift passt. Auf Farbsehschwäche sind diese Paletten meist nicht abgestimmt; wir prüfen sie deshalb, bevor wir sie verwenden.

ggsci

Qualitativ

Weitere

ggsci::pal_npg("nrc")(10)          # Nature Publishing Group
ggsci::pal_lancet("lanonc")(9)     # The Lancet
ggsci::pal_jama()(7)               # JAMA
ggsci::scale_colour_npg()          # Schema: scale_colour_<name>()
ggsci::scale_fill_nejm()

ggthemes: Tableau

Qualitativ

ggthemes::scale_colour_tableau()                         # palette = "Tableau 10"
ggthemes::scale_colour_tableau(palette = "Tableau 20")
ggthemes::scale_colour_colorblind()                      # Okabe-Ito
ggthemes::scale_fill_gradient_tableau()                  # sequentiell

ggprism

Qualitativ

Sequentiell

lengths(ggprism::ggprism_data$colour_palettes)   # alle Paletten und ihre Länge
ggprism::scale_colour_prism(palette = "colors")
ggprism::scale_fill_prism(palette = "floral")

Kunst, Film und Natur

Diese Paletten sind nach Gemälden, Filmen oder Landschaften zusammengestellt. Sie eignen sich gut für Präsentationen und Poster. Für Publikationen prüfen wir sie auf Farbsehschwäche; MetBrewer und NatParksPalettes markieren geeignete Paletten selbst; auf dieser Seite stehen sie mit ◐.

MetBrewer

Qualitativ

MetBrewer::met.brewer("Hokusai3", 5)
MetBrewer::met.brewer("Hiroshige", 100, type = "continuous")
MetBrewer::colorblind_palettes                 # geeignete Paletten
MetBrewer::scale_colour_met_d("Archambault")
MetBrewer::scale_fill_met_c("Hiroshige")

wesanderson

Für wesanderson gibt es keine eigenen ggplot2-Skalen; wir übergeben die Farben an scale_*_manual() oder scale_*_gradientn().

Qualitativ

wesanderson::wes_palette("Zissou1")                              # alle Farben
wesanderson::wes_palette("Zissou1", 100, type = "continuous")    # interpoliert
scale_fill_manual(values = wesanderson::wes_palette("Darjeeling1", n = 3))
scale_fill_gradientn(colours = wesanderson::wes_palette("Zissou1", 100, type = "continuous"))

Weitere Sammlungen

NatParksPalettesNationalparks

nordnordische Landschaften und die Group of Seven

MoMAColorsMuseum of Modern Art, nur über GitHub

PNWColorspazifischer Nordwesten, nur über GitHub

NatParksPalettes::natparks.pals("Acadia", 5)
NatParksPalettes::scale_colour_natparks_d("Acadia")
nord::nord("aurora", 5)
nord::scale_colour_nord("aurora")
subset(paletteer::palettes_d_names, package == "MoMAColors")   # Namen nachschlagen

Viele Kategorien

Für sehr viele Kategorien, etwa Zelltypen oder Gene, gibt es Paletten mit möglichst unterscheidbaren Farben. Ab etwa zehn Farben können wir die Kategorien aber kaum noch sicher zuordnen. Oft ist es besser, Kategorien zusammenzufassen, Linien direkt zu beschriften oder Teilgrafiken mit facet_wrap() zu zeichnen.

Polychrome

Polychrome::glasbey.colors(32)
Polychrome::alphabet.colors(26)
Polychrome::kelly.colors(22)
Polychrome::createPalette(30, seedcolors = c("#FF0000", "#00FF00", "#0000FF"))

paletteer: eine Schnittstelle für alle

paletteer sammelt über 2500 diskrete und gut 300 kontinuierliche Paletten aus mehr als 70 Paketen. Wir sprechen jede Palette mit "paket::palette" an. Die Übersichten oben stammen aus paletteer; ein Klick auf einen Namen kopiert den passenden Aufruf. Diskrete Paletten liegen in paletteer selbst vor, für kontinuierliche muss das Quellpaket installiert sein.

Funktion	Zweck
`paletteer_d("MetBrewer::Hokusai3")`	diskrete Palette fester Länge
`paletteer_d("MetBrewer::Hokusai3", 9, type = "continuous")`	diskrete Palette, auf 9 Farben interpoliert
`paletteer_c("scico::batlow", 7)`	kontinuierliche Palette
`paletteer_dynamic("cartography::green.pal", 5)`	Palette, deren Farben von `n` abhängen
`palettes_d_names`, `palettes_c_names`	Tabellen mit allen Paket- und Palettennamen
`scale_colour_paletteer_d()`, `_c()`, `_binned()`	ggplot2-Skalen; ebenso `scale_fill_paletteer_…()`

Paletten prüfen

Bevor wir eine Palette verwenden, prüfen wir, ob sie in Graustufen und bei Farbsehschwäche funktioniert.

Funktion	Zweck
`colorspace::swatchplot(p, cvd = TRUE)`	Palette neben Simulationen und Graustufen
`colorspace::specplot(p)`	Verlauf von Farbton, Buntheit und Luminanz
`colorspace::deutan(p)`, `protan(p)`, `tritan(p)`, `desaturate(p)`	einzelne Simulationen
`colorspace::cvd_emulator()`	eigene Grafik hochladen und simulieren (Shiny-App)
`colorblindcheck::palette_check(p, plot = TRUE)`	kleinste Farbabstände je Sehschwäche als Tabelle und Grafik
`cols4all::c4a_gui()`	Paletten vergleichen, mit Bewertung für Farbsehschwäche
`colorblindr::cvd_grid(plot)`	fertige ggplot2-Grafik simulieren (nur auf GitHub: `clauswilke/colorblindr`)

Weitere Paletten mit ggplot2

Für Flächen jeweils `fill` statt `colour`.
Paket	diskret	kontinuierlich	gebinnt
ggplot2 (viridis)	`scale_colour_viridis_d()`	`scale_colour_viridis_c()`	`scale_colour_viridis_b()`
scico	`scale_colour_scico_d()`	`scale_colour_scico()`	–
cmocean	`scale_colour_cmocean(discrete = TRUE)`	`scale_colour_cmocean()`	–
khroma	`scale_colour_bright()` u. a.	je nach Palette	–
ggokabeito	`scale_colour_okabe_ito()`	–	–
rcartocolor	`scale_colour_carto_d()`	`scale_colour_carto_c()`	–
ggthemes	`scale_colour_tableau()`	`scale_colour_gradient_tableau()`	–
ggsci	`scale_colour_npg()` u. a.	`scale_colour_gsea()`	–
ggprism	`scale_colour_prism()`	–	–
MetBrewer	`scale_colour_met_d()`	`scale_colour_met_c()`	–
NatParksPalettes	`scale_colour_natparks_d()`	`scale_colour_natparks_c()`	–
nord	`scale_colour_nord()`	`scale_colour_nord(discrete = FALSE)`	–
wesanderson	`scale_colour_manual()`	`scale_colour_gradientn()`	–
cols4all	`scale_colour_discrete_c4a_cat()`	`scale_colour_continuous_c4a_seq()`	`scale_colour_binned_c4a_seq()`
paletteer	`scale_colour_paletteer_d()`	`scale_colour_paletteer_c()`	`scale_colour_paletteer_binned()`

ggplot(faithfuld, aes(waiting, eruptions, fill = density)) +
  geom_raster() +
  scale_fill_viridis_c(option = "mako") +
  coord_cartesian(expand = FALSE) +
  labs(x = "Wartezeit (min)", y = "Eruptionsdauer (min)", fill = "Dichte")

# gitter: siehe Beispiel „Divergierend“ bei colorspace
ggplot(gitter, aes(x, y, fill = z)) +
  geom_raster() +
  scico::scale_fill_scico(palette = "vik", midpoint = 0) +
  coord_fixed(expand = FALSE)

ggplot(mpg, aes(displ, hwy, colour = drv)) +
  geom_point(size = 2.5) +
  khroma::scale_colour_bright() +
  labs(x = "Hubraum (l)", y = "Meilen pro Gallone (Autobahn)", colour = "Antrieb")

ggplot(mpg, aes(class, fill = drv)) +
  geom_bar() +
  ggsci::scale_fill_npg() +
  labs(x = NULL, y = "Anzahl", fill = "Antrieb")

ggplot(mpg, aes(class, fill = drv)) +
  geom_bar() +
  MetBrewer::scale_fill_met_d("Hokusai3") +
  labs(x = NULL, y = "Anzahl", fill = "Antrieb")

ggplot(mpg, aes(class, fill = drv)) +
  geom_bar() +
  scale_fill_manual(values = wesanderson::wes_palette("Darjeeling1", n = 3)) +
  labs(x = NULL, y = "Anzahl", fill = "Antrieb")

ggplot(mpg, aes(displ, hwy, colour = drv)) +
  geom_point(size = 2.5) +
  paletteer::scale_colour_paletteer_d("nord::aurora") +
  labs(x = "Hubraum (l)", y = "Meilen pro Gallone (Autobahn)", colour = "Antrieb")

Standardpalette festlegen

Seit ggplot2 4.0 legen wir Standardpaletten über das Theme fest. Mit theme_set() gilt das für alle folgenden Grafiken eines Dokuments:

theme_set(
  theme_minimal() +
    theme(palette.colour.discrete   = "Okabe-Ito",
          palette.fill.discrete     = "Okabe-Ito",
          palette.colour.continuous = viridisLite::viridis(7),
          palette.fill.continuous   = viridisLite::viridis(7))
)

In älteren Versionen von ggplot2 setzen wir dafür Optionen:

options(
  ggplot2.discrete.colour   = palette.colors(palette = "Okabe-Ito")[-1],
  ggplot2.discrete.fill     = palette.colors(palette = "Okabe-Ito")[-1],
  ggplot2.continuous.colour = "viridis",
  ggplot2.continuous.fill   = "viridis"
)

Weiterlesen

Einen guten Einstieg in Farbskalen bieten die Kapitel 4 und 19 bei Wilke (2019).

Paketseiten:

Literatur

Crameri, Fabio, Grace E. Shephard, und Philip J. Heron. 2020. „The Misuse of Colour in Science Communication“. Nature Communications 11 (Oktober). https://doi.org/10.1038/s41467-020-19160-7.

Harrower, Mark, und Cynthia A. Brewer. 2003. „ColorBrewer.org: An Online Tool for Selecting Colour Schemes for Maps“. The Cartographic Journal 40 (1): 27–37. https://doi.org/10.1179/000870403235002042.

Machado, Gustavo M., Manuel M. Oliveira, und Leandro A. F. Fernandes. 2009. „A Physiologically-Based Model for Simulation of Color Vision Deficiency“. IEEE Transactions on Visualization and Computer Graphics 15 (6): 1291–98. https://doi.org/10.1109/TVCG.2009.113.

Nuñez, Jamie R., Christopher R. Anderton, und Ryan S. Renslow. 2018. „Optimizing Colormaps with Consideration for Color Vision Deficiency to Enable Accurate Interpretation of Scientific Data“. PLOS ONE 13 (7). https://doi.org/10.1371/journal.pone.0199239.

Okabe, Masataka, und Kei Ito. (2002) 2008. „Color Universal Design (CUD): How to Make Figures and Presentations That Are Friendly to Colorblind People“. November 20, September 24. https://jfly.uni-koeln.de/color/.

Thyng, Kristen M., Chad A. Greene, Robert D. Hetland, Heather M. Zimmerle, und Steven F. DiMarco. 2016. „True Colors of Oceanography: Guidelines for Effective and Accurate Colormap Selection“. Oceanography 29 (3): 9–13. https://doi.org/10.5670/oceanog.2016.66.

Tol, Paul. 2021. Colour Schemes. Technical Note SRON/EPS/TN/09-002. Version 3.2. SRON Netherlands Institute for Space Research. https://sronpersonalpages.nl/~pault/data/colourschemes.pdf.

Wilke, Claus O. 2019. Fundamentals of Data Visualization: A Primer on Making Informative and Compelling Figures. O’Reilly. https://clauswilke.com/dataviz/.

Zeileis, Achim, Jason C. Fisher, Kurt Hornik, u. a. 2020. „Colorspace: A Toolbox for Manipulating and Assessing Colors and Palettes“. Journal of Statistical Software 96 (1): 1–49. https://doi.org/10.18637/jss.v096.i01.

Zeileis, Achim, Kurt Hornik, und Paul Murrell. 2009. „Escaping RGBland: Selecting Colors for Statistical Graphics“. Computational Statistics & Data Analysis 53 (9): 3259–70. https://doi.org/10.1016/j.csda.2008.11.033.