ChatGPT: 三句话，我让审稿人爱上你的配色！

写在前面

你是否曾在修改论文或数据分析时，遇到想调整图表配色却束手无策的情景？很多时候，尽管我们的分析结果已经非常完美，但图表的配色不当却影响了呈现效果，甚至影响了论文的质量和读者的感受。这时，不少科研工作者和数据分析师会想到使用各种配色工具，手动调整每一项颜色，但这不仅耗时耗力，结果的精细度也未必理想。

幸运的是，ChatGPT 作为一个强大的人工智能助手，能帮助你调整图表配色方案。你可以通过简洁的对话，获取灵感并定制符合特定主题的配色，特别是像《塞尔达传说》这样具有特色风格的配色，ChatGPT 可以轻松满足你在图表视觉效果上的需求。

通过简短的对话，我们可以引导 ChatGPT 提供符合特定风格的颜色推荐，应用于各种类型的 R 语言数据可视化图表中，包括柱状图、小提琴图、饼图、箱线图、桑葚图、热图等，不仅让数据更加美观，同时提升读者的视觉体验和对数据的理解。

今天的更新，我们就通过简单的例子展示，如何通过与 ChatGPT 的对话，迅速生成并应用《塞尔达传说》风格的配色方案，并将其应用到各种数据可视化中。

引导词：

“假设你是数据可视化专家，我需要一个塞尔达风格的配色，用于 R 语言数据可视化（柱状图、饼图、小提琴图、箱线图、桑葚图、热图等），给我几种颜色推荐。”

ChatGPT 提供的配色方案：
以下是灵感来自《塞尔达传说》的配色方案：
- 深绿色（森林主题）：#0B6623
- 沙漠黄（沙漠主题）：#D9A066
- 天空蓝（天空主题）：#7EC8E3
- 深棕色（木材主题）：#5A3E36
- 石灰绿（草地主题）：#A7C957
- 黄昏橙（落日主题）：#F28C28

通过这几种色调，我们能够将自然、复古的游戏风格融入科研数据可视化中，创造出独特的视觉效果。

配色应用：如何将塞尔达风格配色应用于R语言可视化

1. 柱状图

library(ggplot2)

# 使用 mtcars 数据集，按 cyl 分组计算平均 mpg
data_bar <- aggregate(mpg ~ cyl, data = mtcars, mean)
colnames(data_bar) <- c("Cylinders", "Average_MPG")

# 绘制柱状图
ggplot(data_bar, aes(x = factor(Cylinders), y = Average_MPG, fill = factor(Cylinders))) +
  geom_bar(stat = "identity", color = "black", alpha = 0.8) +
  scale_fill_manual(values = c("#7EC8E3", "#0B6623", "#F28C28")) +  # 塞尔达配色
  labs(
    title = "不同气缸数车辆的平均油耗",
    x = "气缸数",
    y = "平均油耗 (mpg)",
    fill = "气缸数"
  ) +
  theme_minimal(base_size = 14) +
  theme(
    plot.title = element_text(hjust = 0.5, face = "bold", color = "#0B6623"),
    axis.title.x = element_text(face = "bold", color = "#D9A066"),
    axis.title.y = element_text(face = "bold", color = "#D9A066")
  )

2. 饼图

library(ggplot2)

# 使用 mtcars 数据集，按 cyl 分组计算频率
data_pie <- as.data.frame(table(mtcars$cyl))
colnames(data_pie) <- c("Cylinders", "Count")

# 绘制饼图
ggplot(data_pie, aes(x = "", y = Count, fill = factor(Cylinders))) +
  geom_bar(stat = "identity", width = 1, color = "black") +
  coord_polar("y", start = 0) +
  scale_fill_manual(values = c("#7EC8E3", "#0B6623", "#F28C28")) +  # 塞尔达配色
  labs(
    title = "不同气缸数车辆的分布",
    fill = "气缸数"
  ) +
  theme_void() +
  theme(
    plot.title = element_text(hjust = 0.5, face = "bold", color = "#0B6623")
  )

3. 小提琴图

library(ggplot2)

# 使用 ToothGrowth 数据集
# dose 变量因子化以便分组展示
ToothGrowth$dose <- factor(ToothGrowth$dose)

# 绘制小提琴图
ggplot(ToothGrowth, aes(x = dose, y = len, fill = dose)) +
  geom_violin(color = "black", alpha = 0.8) +
  geom_boxplot(width = 0.2, color = "black", outlier.shape = NA, alpha = 0.5) +  # 添加箱线图
  scale_fill_manual(values = c("#7EC8E3", "#0B6623", "#F28C28")) +  # 塞尔达配色
  labs(
    title = "不同剂量维生素C对牙齿生长的影响",
    x = "剂量 (mg/day)",
    y = "牙齿长度",
    fill = "剂量"
  ) +
  theme_minimal(base_size = 14) +
  theme(
    plot.title = element_text(hjust = 0.5, face = "bold", color = "#0B6623"),
    axis.title.x = element_text(face = "bold", color = "#D9A066"),
    axis.title.y = element_text(face = "bold", color = "#D9A066"),
    axis.text.x = element_text(face = "bold", color = "#5A3E36"),
    axis.text.y = element_text(face = "bold", color = "#5A3E36")
  )

4. 箱线图

# 使用 mtcars 数据集，绘制 mpg 随 cyl 的箱线图
library(ggplot2)
ggplot(mtcars, aes(x = factor(cyl), y = mpg, fill = factor(cyl))) +
  geom_boxplot(color = "black", alpha = 0.8) +
  scale_fill_manual(values = c("#7EC8E3", "#0B6623", "#F28C28")) +  # 塞尔达配色
  labs(
    title = "气缸数对油耗的影响",
    x = "气缸数",
    y = "油耗 (mpg)",
    fill = "气缸数"
  ) +
  theme_minimal(base_size = 14) +
  theme(
    plot.title = element_text(hjust = 0.5, face = "bold", color = "#0B6623"),
    axis.title.x = element_text(face = "bold", color = "#D9A066"),
    axis.title.y = element_text(face = "bold", color = "#D9A066")
  )

5. 桑葚图

library(ggalluvial)

library(ggplot2)

# 数据准备
data_titanic <- as.data.frame(Titanic)
data_titanic <- data_titanic[rep(1:nrow(data_titanic), data_titanic$Freq), 1:4]  # 展开数据

# 绘制桑葚图
ggplot(data_titanic, aes(axis1 = Class, axis2 = Sex, axis3 = Survived)) +
  geom_alluvium(aes(fill = Class), width = 0.25, alpha = 0.8) +
  geom_stratum(width = 0.3, color = "black", fill = "grey80") +
  geom_text(stat = "stratum", aes(label = after_stat(stratum)), size = 3) +
  scale_fill_manual(values = c("#7EC8E3", "#0B6623", "#F28C28", "#D9A066")) +  # 塞尔达配色
  labs(
    title = "Titanic 桑葚图：Class, Sex 和 Survived",
    x = "",
    y = "人数",
    fill = "Class"
  ) +
  theme_minimal(base_size = 14) +
  theme(
    plot.title = element_text(hjust = 0.5, face = "bold", color = "#0B6623"),
    axis.text.x = element_text(face = "bold", color = "#5A3E36"),
    panel.grid = element_blank()
  )

6. 热图

library(ggplot2)
library(reshape2)

# 数据准备
data <- cor(mtcars)  # 计算相关性矩阵
data_melt <- melt(data)
colnames(data_melt) <- c("Var1", "Var2", "value")

# 添加是否显示数字/圆圈的逻辑列
data_melt$is_upper <- ifelse(as.numeric(data_melt$Var1) < as.numeric(data_melt$Var2), TRUE, FALSE)

# 绘制热图
ggplot(data_melt, aes(x = Var2, y = Var1, fill = value)) +
  # 显示上方的相关性系数数字
  geom_text(
    data = subset(data_melt, is_upper),
    aes(label = round(value, 2)),
    color = "black", size = 3
  ) +
  # 显示下方的圆圈，大小与相关系数绝对值相关
  geom_point(
    data = subset(data_melt, !is_upper),
    aes(size = abs(value)),
    shape = 21, color = "black", alpha = 0.8
  ) +
  # 设置圆圈的大小范围
  scale_size(range = c(3, 10), guide = "none") +
  # 配色从蓝到白到红
  scale_fill_gradient2(
    low = "#7EC8E3", mid = "#FFFFFF", high = "#F28C28",
    midpoint = 0, limits = c(-1, 1)
  ) +
  # 标题与图例
  labs(
    title = "塞尔达风格相关性热图",
    x = "变量 1",
    y = "变量 2",
    fill = "相关性"
  ) +
  # 自定义主题
  theme_minimal(base_size = 14) +
  theme(
    # 标题样式
    plot.title = element_text(hjust = 0.5, face = "bold", color = "#0B6623", size = 16),
    # 坐标轴标题和文字颜色
    axis.title.x = element_text(color = "#D9A066", face = "bold", size = 14),
    axis.title.y = element_text(color = "#D9A066", face = "bold", size = 14),
    axis.text.x = element_text(angle = 45, hjust = 1, color = "#5A3E36", size = 10),
    axis.text.y = element_text(color = "#5A3E36", size = 10),
    # 网格线隐藏
    panel.grid = element_blank(),
    # 图例样式
    legend.position = "right",
    legend.title = element_text(face = "bold", size = 12),
    legend.text = element_text(size = 10)
  )

总结

通过简洁的三句话，你可以轻松调教 ChatGPT，为你的 R 语言可视化生成个性化的塞尔达风格配色方案。不论是柱状图、饼图、小提琴图，还是更复杂的桑葚图、热图等，配色方案的灵感源自经典的游戏世界，让你的数据更具美感和表达力。

感谢关注，你的支持是我不懈的动力！