在資料視覺化的世界裡，「顏色」與「背景主題」往往決定了圖表的第一印象。今天的分享將從 ggplot2 的內建顏色配置開始，逐步介紹 自訂顏色 與 主題套件 的應用，最後以行政院主計總處的「2020–2025 年服務類別型產業每人每月平均薪資」為例，示範如何將長條圖調整得更易讀。

ggplot2 的內建顏色配置

ggplot2 本身提供了預設的顏色組合，在 aes(color=...) 或 aes(fill=...) 放入分類變數時，就會自動分配不同顏色。這些顏色固然方便，但未必符合需求（例如品牌色、產業固定色），因此常需要客製化。

範例資料：2020–2025 年各產業平均薪資

這裡我以行政院主計總處的公開資料作為範例，製作一張「服務類別型產業每人每月平均薪資」的長條圖。

file_path <- "D:/05_R/ggplot2/Day7/salary.xlsx"

salary <- read_excel(file_path)

salary$Year <- as.factor(salary$Year)

salary_plot <- ggplot(data = salary,
       aes(x = Year, y = Salary, fill = Industry)) +
  geom_col(position = "dodge") +
  coord_flip() +
  labs(x = "Year",
       y = "Monthly Salary",
       fill = "Industry")

salary_plot

這裡使用 geom_col(position = "dodge") 做出並排長條圖，再加上 coord_flip() 轉為橫向呈現，讓產業名稱更容易閱讀。

客製化顏色：scale_color_manual() 與 scale_fill_manual()

• 線條或點的顏色 → scale_color_manual()
• 長條圖、面積圖的填色 → scale_fill_manual()

以下將每個產業指定到固定顏色：

salary_plot_2 <- salary %>%
  group_by(Year, Industry) %>%
  summarise(Salary = mean(Salary), .groups = "drop") %>%
  group_by(Year) %>%
  mutate(Industry = fct_reorder(Industry, Salary, .desc = F)) %>%
  ggplot(aes(x = Year, y = Salary, fill = Industry)) +
  geom_col(position = "dodge") +
  coord_flip()+
  labs(x = "Year", 
       y = "Monthly Salary", 
       fill = "Industry")+

  scale_fill_manual(values = c(
    "不動產業" = "#e41a1c",   # 紅
    "支援服務業" = "#ff7f00", # 橙
    "出版、影音製作、傳播及資訊通訊服務業" = "#984ea3", # 紫
    "住宿及餐飲業" = "#a65628", # 棕
    "批發及零售業" = "#4daf4a", # 綠
    "其他服務業" = "#f781bf",   # 粉紅
    "服務業部門" = "#999999",   # 灰
    "金融及保險業" = "#ffd92f", # 黃
    "專業、科學及技術服務業" = "#377eb8", # 藍
    "教育業（不含各級公私立學校等）" = "#a6cee3", # 淺藍
    "運輸及倉儲業" = "#1f78b4", # 深藍
    "醫療保健及社會工作服務業" = "#33a02c", # 深綠
    "藝術、娛樂及休閒服務業" = "#fb9a99"  # 淡紅
  ))

salary_plot_2

這樣設定後，不論資料順序如何變動，每個產業都能對應到固定顏色，避免誤解。

快速換膚：theme_* 與 ggthemes 套件

除了顏色之外，背景與整體風格也很重要。

ggplot2 內建了多種主題：

salary_plot + theme_bw()     # 白底、適合印刷
salary_plot + theme_dark()   # 深色背景，投影好讀
salary_plot + theme_void()   # 極簡風格

而 ggthemes 套件提供更多雜誌風格或文件風格：

salary_plot + theme_economist()  # 《Economist》雜誌風格
salary_plot + theme_gdocs()      # Google 文件風格
salary_plot + theme_calc()       # 試算表風格

下圖以theme_economist()調整為例:

這些主題能直接套用，也能再透過 theme() 函數細部調整，例如：

salary_plot +
  theme(panel.background = element_rect(fill = "lightgray"),
        plot.background = element_rect(fill = "aliceblue"))

小結

1. ggplot2 預設顏色方便，但實務上常需要客製化，尤其在報告與簡報情境下。
2. scale_fill_manual() / scale_color_manual() 能固定顏色對應，確保跨年度或跨圖表的一致性。
3. 主題（theme） 提供快速換膚能力，能依需求靈活切換，並可再做細部微調。

English Summary (約 200 字)

In data visualization, colors and themes strongly influence how charts are perceived. This article introduces ggplot2’s default color palettes, then explains how to customize them with scale_color_manual() and scale_fill_manual() to assign consistent colors to categories, such as industries in salary data. Using real data from Taiwan’s Directorate-General of Budget, Accounting and Statistics (2020–2025 average monthly salaries by service industries), we demonstrate how to build a bar chart with geom_col() and coord_flip() for clarity. Beyond colors, themes also improve readability and style: ggplot2 provides built-in options like theme_bw() and theme_dark(), while the ggthemes package offers styles inspired by publications and documents such as The Economist. By combining custom color mapping and flexible themes, charts can be both professional and audience-friendly, ensuring consistent presentation across reports and presentations.