当前位置：首页 > news >正文

不用PS！patchwork快速解决多子图组合问题~~

news 2025/1/16 7:50:02

如果现在你还是将自己制作的图表放在PS或者PPT中进行随意组合的化，那么这篇文章你就得好好看看了，今天小编就给大家安利一个超强的突变自由组合包-patchwork，让你轻松实现多图的自由组合。

更多详细的数据可视化教程，可订阅我们的店铺课程：

下面小编结合实例介绍一下该包的主要用法：

patchwork 基本功能介绍

使用自带的数据进行单个图表的绘制：

library(tidyverse)
library(ggtext)
library(hrbrthemes)
library(patchwork)p1 <- ggplot(mtcars) + geom_point(aes(mpg, disp)) + ggtitle('Plot 1')p2 <- ggplot(mtcars) + geom_boxplot(aes(gear, disp, group = gear)) + ggtitle('Plot 2')p3 <- ggplot(mtcars) + geom_point(aes(hp, wt, colour = mpg)) + ggtitle('Plot 3')p4 <- ggplot(mtcars) + geom_bar(aes(gear)) + facet_wrap(~cyl) + ggtitle('Plot 4')

patchwork的基础用法

patchwork合并不同图表的基本操作十分简单，使用 + 号进行不同图表之间的组合，如下：

p1 + p2

p1 + p2

当突变进行合并之后，我们可对最后一个(p2)进行其他ggplot2图层元素的添加，如添加标题(title):

p1 + p2 + labs(subtitle = 'This will appear in the last plot',caption = "Visualization by DataCharm")

p1 + p2_with_title_caption

控制布局(Controlling layout)

默认情况下，patchwork将按行顺序排列图表，并使网格保持正方形。如下：

p1 + p2 + p3 + p4

by row

如果不想按照默认的行排列的化，你可以通过使用plot_layout() 函数进行组合布局的调整。如下：

p1 + p2 + p3 + p4 + plot_layout(nrow = 3, byrow = FALSE)

nrow_byrow_set

注意这次结果和上一个结果的不同(图中红圈标出)，plot_layout()函数还有很多其他功能，小伙伴们可自行探索哈~~

堆叠和包装不同图表(Stacking and packing plots)

这个功能也是小编最喜欢的功能之一了，而patchwork包提供了 |- 并排图表，和 / -堆叠图表操作，来灵活的对不同图表进行排列组合。下面通过实例进行说明:

p1 / p2

p1 / p2

p1 | (p2 / p3)

p1 | (p2 / p3)

添加注释文本信息(Annotating the composition)

在对图表进行合并后，我们通常需要添加一些注释文本(标题、序号等)，这时，可通过 plot_annotation()进行快速添加：

(p1 | (p2 / p3)) + plot_annotation(title = 'The surprising story about mtcars', caption = "Visualization by DataCharm")

exam of plot_annotation

此外，plot_annotation()还可以自动添加标签功能，这个在绘制多幅图表时可是经常用的方法哦~

p1 + p2 + p3 + plot_annotation(tag_levels = 'a')

tag_levels

标签功能这里只介绍基本的，还有跟多用法，小伙伴们可去官网进行了解。

以上就完成了对patchwork包基本功能的介绍，当然，这些都是基础，想要探索更多功能，小伙伴们可去官网查看：https://patchwork.data-imaginist.com/articles/patchwork.html，接下来，还是老样子，小编再进行一幅定制化图表的操作(会用上以上全部方法)

patchwork 定制化出图

单独绘制每个可视化图表：

library(ggpol)
library(ggpubr)ToothGrowth$dose <- as.factor(ToothGrowth$dose)
# Comparisons against reference
stat.test <- compare_means(len ~ dose, data = ToothGrowth, group.by = "supp",method = "t.test", ref.group = "0.5"
)
# plot01
bp <- ggbarplot(ToothGrowth, x = "supp", y = "len",fill = "dose", palette = "jco",add = "mean_sd", add.params = list(group = "dose"),position = position_dodge(0.8))
plot_01 <- bp + stat_pvalue_manual(stat.test, x = "supp", y.position = 33,label = "p.signif",position = position_dodge(0.8)
)#plot02
library(ggsci)
df <- data.frame(score = rgamma(150, 4, 1), gender = sample(c("M", "F"), 150, replace = TRUE), genotype = factor(sample(1:3, 150, replace = TRUE)))plot_02 <- ggplot(df) + geom_boxjitter(aes(x = genotype, y = score, fill = gender),jitter.shape = 21, jitter.color = NA, jitter.height = 0, jitter.width = 0.04,outlier.color = NA, errorbar.draw = TRUE) +ggsci::scale_fill_jco() #plot03
set.seed(1234)
wdata = data.frame(sex = factor(rep(c("F", "M"), each=200)),weight = c(rnorm(200, 55), rnorm(200, 58)))
plot_03 <- ggdensity(wdata, x = "weight", fill = "lightgray",add = "mean", rug = TRUE) 
# plot04
set.seed(1234)
wdata = data.frame(sex = factor(rep(c("F", "M"), each=200)),weight = c(rnorm(200, 55), rnorm(200, 58)))plot_04 <- gghistogram(wdata, x = "weight", fill = "sex",add = "mean", palette = c("lightgray", "gray50"),add_density = TRUE,rug = TRUE)# 使用patchwork进行组合并添加主题
patchwork_example <- plot_01 + plot_02 + plot_03 + plot_04 +plot_annotation(tag_levels = 'A',title = "Example of <span style='color:#D20F26'>patchwork Process</span>",subtitle = "processed charts with <span style='color:#1A73E8'>plot_annotation & theme()</span>",caption = "Visualization by <span style='color:#DD6449'>DataCharm</span>") & theme_minimal(base_family = "Roboto Condensed") &theme(plot.title = element_markdown(hjust = 0.5,vjust = .5,color = "black",face = 'bold',size = 20, margin = margin(t = 1, b = 12)),plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=15),plot.caption = element_markdown(face = 'bold',size = 12),)

最终的可视化结果如下：

patchwork_example