我有一个包含 224900 个观察值和 10 个变量的数据集，这些变量是不同泰勒级数反向转换到原始数据值的结果。我希望覆盖这 10 个变量中每一个变量的密度图，以显示泰勒级数反变换对数据估计的稳健性水平。而不是只有 10 条线，我认为应用颜色会很好，这样每个密度图都会贡献 10% 的灰度。如果数据仅与其中一个图相关，则灰色为 10%，两个图的暗度为 20% 时的两倍，直到所有密度图重叠的地方，即 100%。
我曾经melt得到一个 2249000 行长的数据框。共有三列，第一列是人员 ID，第二列是分组变量（variable），第三列是每日 kJ 摄入量值（value）。
我使用下面的代码来覆盖密度图，ggplot2但它对组使用不同的颜色。如何更改此代码以获得我的灰度？我希望所有 10 个组具有相同的颜色和颜色密度；该图的目的只是使用灰度直观地显示密度图上的重叠量。
ggplot(Energy, aes(x=value, fill=variable)) + geom_density(alpha = 0.5)
一些测试数据可供希望提供帮助的人使用，使用 5 组而不是 10 组：
variable <- c(rep("A",100), rep("B",100), rep("C",100), rep("D",100), rep("E",100))
value <- c(rnorm(100,5000,200), rnorm(100,5050,210), rnorm(100,5100,215),
rnorm(100,5150,220), rnorm(100,5200,225))
MyData <- cbind.data.frame(value, variable)
ggplot(MyData, aes(x=value, fill=variable)) + geom_density(alpha = 0.5)
我认为答案可能与修改scale_colour_grey和/或有关，scale_manual但我对自己的理解还不够。
