Como ya vimos en posts anteriores, los colores son uno de los elementos esenciales de un gráfico. Forman parte de la estética y por tanto, los podemos utilizar tanto para representar variables, como para destacar elementos dentro de la visualización. Pero además, también nos pueden servir para captar la atención de la audiencia y añadir parte del contexto de los datos, facilitando así la comprensión del gráfico.
En R, existen numerosas librerías que nos ayudan a gestionar los colores, utilizar paletas predeterminadas o incluso generar las nuestras propias. Veremos en este post cuáles son estas librerías altamente recomendables.
colorRamps y grDevices
colorRamps y grDevices son dos de las veteranas que recordamos especialmente por sus funciones rainbow() y heat.colors(). Además contiene dos funciones muy útiles, colorRamp y colorRampPalette, que ayudan a interpolar colores a partir de una paleta simple. En el siguiente ejemplo, se aplica la función colorRampPalette() sobre una paleta formada por tan solo 2 colores: blanco y rojo-violeta. Como vemos, el resultado es una imagen con una escala mucho más amplia de colores.
Otra de las funciones archiconocidas por los usuarios de R, es la de colors(), de esta misma librería, que lista los nombres de los colores base disponibles para utilizar en cualquier gráfico, sin necesidad de indicar su valor hexadecimal o RGB.
colorspace
En general, la mayor parte de paquetes de colores se basan en el espacio HCL (Hue, Chroma, Luminance) que se corresponde con el sistema visual humano para diferenciar colores en función de la longitud de onda o Tono, la saturación o Croma, y el brillo del color, es decir la luminosidad. El paquete colorspace contiene numerosas paletas basadas en este sistema que se pueden ver a continuación.
La clasificación de las escalas se hace en función de la información que se quiere representar:
La escala cualitativa, se emplea para datos categóricos sin ordenación
La escala secuencial, para información numérica continua o categórica ordenada
La escala divergente, para variables numéricas que, desde un valor neutro, divergen hacia dos extremos.
ColorBrewer
Por otro lado, existen dos librerías que contienen algunas de las paletas más utilizadas en ggplot, tanto en Python con en R, como son ColorBrewer y Viridis. ColorBrewer, fue diseñada especialmente para mapas, sin embargo la podréis encontrar en todo tipo de gráficos. Además, en su web permite seleccionar de forma interactiva la paleta de colores que más nos convenga, según el número de matices diferentes que queramos añadir.
viridis
Viridis, fue desarrollada por los investigadores Stéfan van der Walt y Nathaniel Smith y sus principales misiones son:
Abarcar una paleta lo más amplia posible para que las diferencias sean fáciles de ver
Ser perceptivamente uniforme, lo que significa que los valores cercanos entre sí tienen colores de apariencia similar y los valores alejados entre sí tienen colores de apariencia más diferente, de forma consistente en toda la gama de valores
Ser válida para personas con daltonismo, así como en la impresión en escala de grises
Merece la pena ver el siguiente vídeo donde se cuenta un poco más sobre su origen y cómo se creó.
shades
Sobre las librerías anteriormente mencionadas, existen otras complementarias que podríamos añadir para adaptar la paleta resultante a las necesidades concretas de nuestro gráfico. shades es un complemento muy interesante que nos ayuda a la manipulación de colores y modificación de sus características básicas. Por ejemplo, para hacer que una paleta de colores manual tenga más brillo, basta con aplicar la función brightness sobre el propio objeto de R que contiene el vector de colores.
rcartocolor
Otra librería que añadiremos a la lista de imprescindibles es la de Carto. La empresa española líder en análisis de datos espaciales tiene su propia herramienta en R con las paletas de colores que utiliza en sus visualizaciones. En su web, se pueden consultar los esquemas de colores que utilizan agrupados por tipos según el objetivo de la visualización en sí. El nombre de la librería en R es rcartocolor.
Por supuesto, existen muchos otros ejemplos que facilitan el uso de colores. En el siguiente enlace encontraréis una colección prácticamente completa de todo el universo de paletas que existen en R. Un recurso para tener a mano antes de hacer un gráfico sin ninguna duda.
Contenido relacionado
