R 将多个复杂绘图组合为单个图形中的面板 @backlin介绍

通过使用

layout

或

par（mfrow=…）

，可以将多个简单绘图组合为单个图形中的面板。但是，更复杂的绘图往往会在内部设置自己的面板布局，从而禁止将其用作面板。有没有办法创建嵌套布局并将复杂绘图封装到单个面板中

我觉得

grid

软件包可以实现这一点，例如，通过在单独的视口中绘制面板，但还没有弄清楚如何实现。下面是一个玩具示例来演示问题：

my.plot <- function(){
    a <- matrix(rnorm(100), 10, 10)
    plot.new()
    par(mfrow=c(2,2))
    plot(1:10, runif(10))
    plot(hclust(dist(a)))
    barplot(apply(a, 2, mean))
    image(a)
}
layout(matrix(1:4, 2, 2))
for(i in 1:4) my.plot()
# How to avoid reseting the outer layout when calling `my.plot`?

但是，因为我想在一个绘图中比较多个热图，所以我使用

par（mfrow=c（2,2））

然后调用

heatmap.2

四次，即

row.scaled.expr <- matrix(sample(1:10000),nrow=1000,ncol=10)
arr <- array(data=row.scaled.expr, dim=c(dim(row.scaled.expr),4))
par(mfrow=c(2,2))
for (i in 1:4)
heatmap.2(arr[ , ,i], dendrogram ='row',
          Colv=FALSE, col=greenred(800), 
          key=FALSE, keysize=1.0, symkey=FALSE, density.info='none',
          trace='none', colsep=1:10,
          sepcolor='white', sepwidth=0.05,
          scale="none",cexRow=0.2,cexCol=2,
          labCol = colnames(arr[ , ,i]),                 
          hclustfun=function(c){hclust(c, method='mcquitty')},
          lmat=rbind( c(0, 3), c(2,1), c(0,4) ), lhei=c(0.25, 4, 0.25 ),                 
)

---

row.scaled.expr正常。我想这个问题已经有足够长的时间没有得到回答了，所以应该写下详细的答案

最困难的图形问题的答案是（正如@backlin所建议的）原始使用“网格”包。许多预构建的图形包会覆盖所有当前视口和打印设备设置，因此，如果您希望以非常特定的方式完成某些操作，则必须自己构建

我建议你读一下保罗·穆雷尔的书《R图形》，并复习一下“网格”软件包中的章节。这是一本非常有用的书，我的书桌上一直放着一本

对于你的热图，我已经写了一个快速入门，可以让你快速入门

需要了解的功能


grid.newpage（）
这将初始化打印设备。不带参数地使用它
grid.rect（）
这将绘制一个矩形。你的热图基本上只是一组巨大的彩色矩形，所以这将是你的大部分图形。它的工作原理如下：
grid.rect（x=x\u位置，y=y\u位置，width=width\u值，height=height\u值，gpar（col=section\u颜色，fill=section\u颜色），just=c（“left”，“bottom”），default.units=“native”）
just参数指定矩形的哪个点位于指定的（x，y）坐标上
grid.text（）
这将绘制文本。它的工作原理如下：
grid.text（“标签文本”，x\u值，y\u值，gp=gpar（col=color\u值，cex=font\u大小），just=c（“右”，“中”），rot=rot\u度，默认值。units=“native”）
grid.lines（）
这画了一条线。它的工作原理如下：
grid.line（c（x\u开始，x\u结束），c（y\u开始，y\u结束），gp=gpar（col=color\u值），default.units=“native”）
dataViewport（）
这定义了打印窗口的属性，“网格”将其称为“视口”。使用方法如下：
pushViewport（dataViewport（扩展数据=x_数据，yData=y_数据，xscale=c（x_最小，x_最大），yscale=c（y_最小，y_最大），x=x_值，y=y_值，宽度=宽度_值，高度_值，刚好=c（“左”，“中”））
这里有一些东西需要记住。。。请参见视口的更详细说明
pushViewport（）
用于初始化静脉端口。您可以围绕视口定义来实际执行视口，如下所示：
pushViewport（dataViewport（[stuff in here]））
popViewport（）
这将完成视口并将您在视口层次结构中上移一级。请参见视口的更详细说明

简单地说就是视口

视口是临时绘图空间，用于定义绘制“栅格”对象的位置和方式。视口中的所有内容都是相对于视口绘制的。如果视口旋转，则内部的所有内容都将旋转。视口可以嵌套，可以重叠，并且几乎无限灵活，但有一个例外：它们始终是矩形

一开始会把很多人搞糊涂的是坐标系。每个视口，包括初始的“grid.newpage（）”视口，在x轴和y轴上都从0变为1。原点（0,0）是最左下角，最大值（1,1）是最右上角。这是“npc”单位制，没有指定单位集的所有东西都可能最终按照该制度绘制。这对你来说意味着两件事：

指定视口大小和位置时使用“npc”系统。只要假设您的视口必须使用“npc”坐标，就可以省去很多麻烦。这意味着，如果要相邻绘制两个打印，两个视口的定义如下所示：

视口（x=0，y=0，宽度=0.5，高度=1，刚度=c（“左”，“下”））
和
视口（x=0.5，y=0，宽度=0.5，高度=1，刚度=c（“左”，“下”））

如果视口具有不同的坐标系（例如用于绘制图形的视口），则需要为绘制的每个“栅格”对象指定“default.units”参数。例如，如果您试图在（2,4）处绘制一个点，您将永远看不到该点，因为它将远离屏幕。指定
default.units=“native”
将告诉该点使用视口自己的坐标系，并将正确绘制该点
视口可以直接进行导航和写入，但除非您执行的是非常自动化的操作，否则指定视口、在其中绘制，然后“弹出”（最终确定）视口会更容易。这将返回到父视口，您可以从下一个视口开始。弹出每个视口是一种无杂乱的方法，适合大多数用途（并且更容易调试！）

绘制图形时，“dataViewport”功能非常重要。这是一种特殊类型的视口，可以为您处理所有坐标和比例，只要您告诉它您使用的是什么数据。这是我用于任何绘图区域的。当我第一次开始使用“网格”包时，我调整了所有的值以适应“npc”坐标
row.scaled.expr <- matrix(sample(1:10000),nrow=1000,ncol=10)
arr <- array(data=row.scaled.expr, dim=c(dim(row.scaled.expr),4))
par(mfrow=c(2,2))
for (i in 1:4)
heatmap.2(arr[ , ,i], dendrogram ='row',
          Colv=FALSE, col=greenred(800), 
          key=FALSE, keysize=1.0, symkey=FALSE, density.info='none',
          trace='none', colsep=1:10,
          sepcolor='white', sepwidth=0.05,
          scale="none",cexRow=0.2,cexCol=2,
          labCol = colnames(arr[ , ,i]),                 
          hclustfun=function(c){hclust(c, method='mcquitty')},
          lmat=rbind( c(0, 3), c(2,1), c(0,4) ), lhei=c(0.25, 4, 0.25 ),                 
)

library(gplots)
row.scaled.expr <- matrix(sample(1:10000),nrow=1000,ncol=10)
arr <- array(data=row.scaled.expr, dim=c(dim(row.scaled.expr),4))
par(mfrow=c(2,2))
for (i in 1:4) {
    ifile <- paste0(i,'_heatmap.pdf')
    pdf(ifile)
    heatmap.2(arr[ , ,i], dendrogram ='row',
                        Colv=FALSE, col=greenred(800), 
                        key=FALSE, keysize=1.0, symkey=FALSE, density.info='none',
                        trace='none', colsep=1:10,
                        sepcolor='white', sepwidth=0.05,
                        scale="none",cexRow=0.2,cexCol=2,
                        labCol = colnames(arr[ , ,i]),                 
                        hclustfun=function(c){hclust(c, method='mcquitty')},
                        lmat=rbind( c(0, 3), c(2,1), c(0,4) ), lhei=c(0.25, 4, 0.25 ),                 
    )
    dev.off()
}
system('montage -geometry 100% -tile 2x2 ./*_heatmap.pdf outfile.pdf')

library(gridGraphics)
library(grid)

grab_grob <- function(){
  grid.echo()
  grid.grab()
}

arr <- replicate(4, matrix(sample(1:100),nrow=10,ncol=10), simplify = FALSE)

library(gplots)
gl <- lapply(1:4, function(i){
  heatmap.2(arr[[i]], dendrogram ='row',
            Colv=FALSE, col=greenred(800), 
            key=FALSE, keysize=1.0, symkey=FALSE, density.info='none',
            trace='none', colsep=1:10,
            sepcolor='white', sepwidth=0.05,
            scale="none",cexRow=0.2,cexCol=2,
            labCol = colnames(arr[[i]]),                 
            hclustfun=function(c){hclust(c, method='mcquitty')},
            lmat=rbind( c(0, 3), c(2,1), c(0,4) ), lhei=c(0.25, 4, 0.25 ),                 
  )
  grab_grob()
})

grid.newpage()
library(gridExtra)
grid.arrange(grobs=gl, ncol=2, clip=TRUE)