R 使用ggplot2并排绘图
我想使用并排放置两个绘图，即执行相当于R 使用ggplot2并排绘图,r,visualization,ggplot2,R,Visualization,Ggplot2,我想使用并排放置两个绘图，即执行相当于par（mfrow=c（1,2）） 例如，我希望以下两个图以相同的比例并排显示 x <- rnorm(100) eps <- rnorm(100,0,.2) qplot(x,3*x+eps) qplot(x,2*x+eps) 是的，我认为你需要适当地安排你的数据。一种方法是： X <- data.frame(x=rep(x,2), y=c(3*x+eps, 2*x+eps),
par（mfrow=c（1,2））x <- rnorm(100)
eps <- rnorm(100,0,.2)
qplot(x,3*x+eps)
qplot(x,2*x+eps)
是的，我认为你需要适当地安排你的数据。一种方法是：
X <- data.frame(x=rep(x,2),
y=c(3*x+eps, 2*x+eps),
case=rep(c("first","second"), each=100))
qplot(x, y, data=X, facets = . ~ case) + geom_smooth()
X使用重塑软件包，您可以执行以下操作
library(ggplot2)
wide <- data.frame(x = rnorm(100), eps = rnorm(100, 0, .2))
wide$first <- with(wide, 3 * x + eps)
wide$second <- with(wide, 2 * x + eps)
long <- melt(wide, id.vars = c("x", "eps"))
ggplot(long, aes(x = x, y = value)) + geom_smooth() + geom_point() + facet_grid(.~ variable)
库（ggplot2）
宽更新：这个答案非常古老gridExtra:：grid.arrange（）
现在是推荐的方法。
我把这个留在这里，以防有用
Stephen Turner（有关申请说明，请参阅帖子）
vp.并排布置任意GG图（或网格上的n个图）
包中的函数grid.arrange（）
将组合多个绘图；这就是你如何把两个并列
require(gridExtra)
plot1 <- qplot(1)
plot2 <- qplot(1)
grid.arrange(plot1, plot2, ncol=2)
或者，将arrangeGrob（）
与ggsave（）
结合使用
这相当于使用par（mfrow=c（1,2））
绘制两个不同的图。这不仅节省了整理数据的时间，而且在需要两个不同的绘图时也是必要的
附录：使用面
面有助于为不同的组绘制类似的图。下面的许多答案都指出了这一点，但我想用与上述图表相当的示例来强调这种方法
mydata <- data.frame(myGroup = c('a', 'b'), myX = c(1,1))
qplot(data = mydata,
x = myX,
facets = ~myGroup)
ggplot(data = mydata) +
geom_bar(aes(myX)) +
facet_wrap(~myGroup)
mydata您可以从
multiplot基于grid.arrange的解决方案的一个缺点是，它们很难像大多数期刊所要求的那样，用字母（A、B等）标记绘图
我编写这个包是为了解决这个（以及其他一些）问题，特别是函数plot\u grid（）
：
或者，您可以使用cowplot函数save\u plot（）
，它是一个围绕ggsave（）
的薄型包装，可以轻松获得组合图的正确尺寸，例如：
p <- plot_grid(iris1, iris2, labels = "AUTO")
save_plot("plot.pdf", p, ncol = 2)
三,。在不附加包的情况下调用cowplot函数。您也不能调用库（cowplot）
或require（cowplot）
，而是通过在cowplot:：
前面加上前缀来调用cowplot函数。例如，上面使用ggplot2默认主题的示例将变成：
## Commented out, we don't call this
# library(cowplot)
iris1 <- ggplot(iris, aes(x = Species, y = Sepal.Length)) +
geom_boxplot()
iris2 <- ggplot(iris, aes(x = Sepal.Length, fill = Species)) +
geom_density(alpha = 0.7) +
theme(legend.position = c(0.8, 0.8))
cowplot::plot_grid(iris1, iris2, labels = "AUTO")
##注释掉，我们不称之为
#图书馆（cowplot）
iris1使用tidyverse
：
x <- rnorm(100)
eps <- rnorm(100,0,.2)
df <- data.frame(x, eps) %>%
mutate(p1 = 3*x+eps, p2 = 2*x+eps) %>%
tidyr::gather("plot", "value", 3:4) %>%
ggplot(aes(x = x , y = value)) +
geom_point() +
geom_smooth() +
facet_wrap(~plot, ncol =2)
df
x%
ggplot（aes（x=x，y=value））+
几何点（）
几何平滑（）
面_包裹（~plot，ncol=2）
df
如果您希望使用循环（如此处所述：）绘制多个ggplot图，则上述解决方案可能无效，这是分析未知（或大型）数据集的理想步骤（如，当您希望绘制数据集中所有变量的计数时）
下面的代码显示了如何使用上面提到的“multiplot（）”，其源代码如下所示：
需要注意的一点是：
在上述代码中使用aes（get（strX））
，而不是aes_字符串（strX）
，这通常是在使用ggplot
时在循环中使用的，将不会绘制所需的绘图。相反，它将多次绘制最后一个绘图。我还没有弄清楚原因-它可能必须执行aes
和aes\u字符串
在ggplot
中调用
否则，希望您会发现该函数很有用。cowplot
软件包为您提供了一种很好的方法，以适合出版物的方式来实现这一点
x <- rnorm(100)
eps <- rnorm(100,0,.2)
A = qplot(x,3*x+eps, geom = c("point", "smooth"))+theme_gray()
B = qplot(x,2*x+eps, geom = c("point", "smooth"))+theme_gray()
cowplot::plot_grid(A, B, labels = c("A", "B"), align = "v")
xggplot2基于网格图形，它提供了一种不同的系统来安排页面上的绘图。par（mfrow…
命令没有直接等效项，因为栅格对象（称为GROB）不一定立即绘制，但可以在转换为图形输出之前作为常规R对象存储和操作。这比现在绘制这种基本图形模型具有更大的灵活性，但策略必然有所不同
我编写了grid.arrange（）
，以提供一个尽可能接近par（mfrow）
的简单界面。以最简单的形式，代码如下所示：
library(ggplot2)
x <- rnorm(100)
eps <- rnorm(100,0,.2)
p1 <- qplot(x,3*x+eps)
p2 <- qplot(x,2*x+eps)
library(gridExtra)
grid.arrange(p1, p2, ncol = 2)
这两个函数都与ggsave（）
兼容。对于不同选项的一般概述和一些历史上下文，.使用包，您只需使用+
运算符：
library(ggplot2)
library(patchwork)
p1 <- ggplot(mtcars) + geom_point(aes(mpg, disp))
p2 <- ggplot(mtcars) + geom_boxplot(aes(gear, disp, group = gear))
p1 + p2
库（ggplot2）
图书馆（拼凑）
p1还有一点值得一提。另见此
库（ggplot2）
theme_set（theme_bw（））
q1根据我的经验，gridExtra:grid.arrange可以完美地工作，如果您尝试在循环中生成绘图
短代码段：
gridExtra::grid.arrange(plot1, plot2, ncol = 2)
**更新此注释以显示如何在for循环中使用grid.arrange（）
，为分类变量的不同因子生成绘图
for (bin_i in levels(athlete_clean$BMI_cat)) {
plot_BMI <- athlete_clean %>% filter(BMI_cat == bin_i) %>% group_by(BMI_cat,Team) %>% summarize(count_BMI_team = n()) %>%
mutate(percentage_cbmiT = round(count_BMI_team/sum(count_BMI_team) * 100,2)) %>%
arrange(-count_BMI_team) %>% top_n(10,count_BMI_team) %>%
ggplot(aes(x = reorder(Team,count_BMI_team), y = count_BMI_team, fill = Team)) +
geom_bar(stat = "identity") +
theme_bw() +
# facet_wrap(~Medal) +
labs(title = paste("Top 10 Participating Teams with \n",bin_i," BMI",sep=""), y = "Number of Athletes",
x = paste("Teams - ",bin_i," BMI Category", sep="")) +
geom_text(aes(label = paste(percentage_cbmiT,"%",sep = "")),
size = 3, check_overlap = T, position = position_stack(vjust = 0.7) ) +
theme(axis.text.x = element_text(angle = 00, vjust = 0.5), plot.title = element_text(hjust = 0.5), legend.position = "none") +
coord_flip()
plot_BMI_Medal <- athlete_clean %>%
filter(!is.na(Medal), BMI_cat == bin_i) %>%
group_by(BMI_cat,Team) %>%
summarize(count_BMI_team = n()) %>%
mutate(percentage_cbmiT = round(count_BMI_team/sum(count_BMI_team) * 100,2)) %>%
arrange(-count_BMI_team) %>% top_n(10,count_BMI_team) %>%
ggplot(aes(x = reorder(Team,count_BMI_team), y = count_BMI_team, fill = Team)) +
geom_bar(stat = "identity") +
theme_bw() +
# facet_wrap(~Medal) +
labs(title = paste("Top 10 Winning Teams with \n",bin_i," BMI",sep=""), y = "Number of Athletes",
x = paste("Teams - ",bin_i," BMI Category", sep="")) +
geom_text(aes(label = paste(percentage_cbmiT,"%",sep = "")),
size = 3, check_overlap = T, position = position_stack(vjust = 0.7) ) +
theme(axis.text.x = element_text(angle = 00, vjust = 0.5), plot.title = element_text(hjust = 0.5), legend.position = "none") +
coord_flip()
gridExtra::grid.arrange(plot_BMI, plot_BMI_Medal, ncol = 2)
}
for（等级中的bin_i（运动员清洁$BMI_cat））{
绘图BMI%过滤器（BMI\u cat==bin\u i）%%>%groupby（BMI\u cat，Team）%%>%summary（count\u BMI\u Team=n（））%%>%
变异（百分比cbmiT=四舍五入（计数BMI团队/总和（计数BMI团队）*100,2））%>%
排列（-count\u BMI\u team）%%>%top\n（10，count\u BMI\u team）%%>%
ggplot（aes（x=重新排序（团队，计数BMI团队，y=计数BMI团队，填充=团队））+
几何图形栏（stat=“identity”）+
主题_bw（）+
#刻面_包装（~奖牌）+
实验室（title=paste（“排名前十的参赛队伍”，分别为\n”，bin_i，“BMI”，sep=“”），y=“运动员人数”，
x=粘贴（“团队-”，bin_i，“BMI类别”，sep=“”））+
geom_文本（aes（标签=粘贴（百分比，“%”，sep=”“），
尺寸=3，检查重叠=T，位置=position\u堆栈（vjust=0.7））+
主题（axis.text.x=element\u text（角度=00，vjust=0.5），plot.title=element\u text（hjust=0.5），legend.position=“无”）+
coord_flip（）
地块面积（BMI）
过滤器（！is.na（奖牌），BMI_cat==bin_i）%>%
分组依据（BMI分类，团队）%>%
p <- plot_grid(iris1, iris2, labels = "AUTO")
save_plot("plot.pdf", p, ncol = 2)
theme_set(theme_gray())
## Commented out, we don't call this
# library(cowplot)
iris1 <- ggplot(iris, aes(x = Species, y = Sepal.Length)) +
geom_boxplot()
iris2 <- ggplot(iris, aes(x = Sepal.Length, fill = Species)) +
geom_density(alpha = 0.7) +
theme(legend.position = c(0.8, 0.8))
cowplot::plot_grid(iris1, iris2, labels = "AUTO")
x <- rnorm(100)
eps <- rnorm(100,0,.2)
df <- data.frame(x, eps) %>%
mutate(p1 = 3*x+eps, p2 = 2*x+eps) %>%
tidyr::gather("plot", "value", 3:4) %>%
ggplot(aes(x = x , y = value)) +
geom_point() +
geom_smooth() +
facet_wrap(~plot, ncol =2)
df
plotAllCounts <- function (dt){
plots <- list();
for(i in 1:ncol(dt)) {
strX = names(dt)[i]
print(sprintf("%i: strX = %s", i, strX))
plots[[i]] <- ggplot(dt) + xlab(strX) +
geom_point(aes_string(strX),stat="count")
}
columnsToPlot <- floor(sqrt(ncol(dt)))
multiplot(plotlist = plots, cols = columnsToPlot)
}
dt = ggplot2::diamonds
plotAllCounts(dt)
x <- rnorm(100)
eps <- rnorm(100,0,.2)
A = qplot(x,3*x+eps, geom = c("point", "smooth"))+theme_gray()
B = qplot(x,2*x+eps, geom = c("point", "smooth"))+theme_gray()
cowplot::plot_grid(A, B, labels = c("A", "B"), align = "v")
library(ggplot2)
x <- rnorm(100)
eps <- rnorm(100,0,.2)
p1 <- qplot(x,3*x+eps)
p2 <- qplot(x,2*x+eps)
library(gridExtra)
grid.arrange(p1, p2, ncol = 2)
library(egg)
ggarrange(p1, p2, ncol = 2)
library(ggplot2)
library(patchwork)
p1 <- ggplot(mtcars) + geom_point(aes(mpg, disp))
p2 <- ggplot(mtcars) + geom_boxplot(aes(gear, disp, group = gear))
p1 + p2
gridExtra::grid.arrange(plot1, plot2, ncol = 2)
for (bin_i in levels(athlete_clean$BMI_cat)) {
plot_BMI <- athlete_clean %>% filter(BMI_cat == bin_i) %>% group_by(BMI_cat,Team) %>% summarize(count_BMI_team = n()) %>%
mutate(percentage_cbmiT = round(count_BMI_team/sum(count_BMI_team) * 100,2)) %>%
arrange(-count_BMI_team) %>% top_n(10,count_BMI_team) %>%
ggplot(aes(x = reorder(Team,count_BMI_team), y = count_BMI_team, fill = Team)) +
geom_bar(stat = "identity") +
theme_bw() +
# facet_wrap(~Medal) +
labs(title = paste("Top 10 Participating Teams with \n",bin_i," BMI",sep=""), y = "Number of Athletes",
x = paste("Teams - ",bin_i," BMI Category", sep="")) +
geom_text(aes(label = paste(percentage_cbmiT,"%",sep = "")),
size = 3, check_overlap = T, position = position_stack(vjust = 0.7) ) +
theme(axis.text.x = element_text(angle = 00, vjust = 0.5), plot.title = element_text(hjust = 0.5), legend.position = "none") +
coord_flip()
plot_BMI_Medal <- athlete_clean %>%
filter(!is.na(Medal), BMI_cat == bin_i) %>%
group_by(BMI_cat,Team) %>%
summarize(count_BMI_team = n()) %>%
mutate(percentage_cbmiT = round(count_BMI_team/sum(count_BMI_team) * 100,2)) %>%
arrange(-count_BMI_team) %>% top_n(10,count_BMI_team) %>%
ggplot(aes(x = reorder(Team,count_BMI_team), y = count_BMI_team, fill = Team)) +
geom_bar(stat = "identity") +
theme_bw() +
# facet_wrap(~Medal) +
labs(title = paste("Top 10 Winning Teams with \n",bin_i," BMI",sep=""), y = "Number of Athletes",
x = paste("Teams - ",bin_i," BMI Category", sep="")) +
geom_text(aes(label = paste(percentage_cbmiT,"%",sep = "")),
size = 3, check_overlap = T, position = position_stack(vjust = 0.7) ) +
theme(axis.text.x = element_text(angle = 00, vjust = 0.5), plot.title = element_text(hjust = 0.5), legend.position = "none") +
coord_flip()
gridExtra::grid.arrange(plot_BMI, plot_BMI_Medal, ncol = 2)
}