我会在这里为扩展您的包留出空间，让scale_color_ipea创建一个S3类对象，然后定义一个ggplot_add方法。
此机制允许您询问绘图对象，以根据数据类型完全自动选择离散或连续比例。

scale_color_ipea <- function(discrete = FALSE, ...) {
  structure(list(...), class = "scale_chooser")
}

ggplot_add.scale_chooser <- function(object, plot, name) {
  args <- object
  var <- rlang::eval_tidy(rlang::quo_squash(plot$mapping$colour), plot$data)
  discrete <- !is.numeric(var)
  if(discrete) {
    return(plot + 
             do.call("discrete_scale",
                     c(list(aesthetics = "color", scale_name = "ipea", 
                     palette = colorRampPalette(c("red", "green", "blue"))),
                     args)))
  }
  return(plot + 
           do.call("continuous_scale", 
                   c(list(aesthetics = "color", scale_name = "ipea", 
                   palette = function(x) {
                     colorRamp(c("red", "green", "blue"))(x) |>
                       apply(1, \(x) do.call("rgb", as.list(x/255)))
                   }), args, guide = "colourbar")))
}

字符串
这现在允许：

ggplot(data = mtcars, aes(x = mpg, y = hp, color = gear)) +
  geom_point() +
  scale_color_ipea()

型

的数据

ggplot(data = mtcars, aes(x = mpg, y = hp, color = factor(gear))) +
  geom_point() +
  scale_color_ipea()

型

的
这里有一些警告。一个完整的实现可能需要向后遍历plot对象中的所有层，如果颜色仅在基本ggplot调用之后定义，（经常发生）。每个层都需要评估其mapping和data，以确定颜色是否专门Map到那里而不是继承。在真实的实现中，您当然会将您的离散和连续调色板功能，以保持您的代码整洁和灵活。