使用 ggplot2 的并排绘图

是的，我认为您需要适当地安排您的数据。一种方法是这样的：

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()

我确信在plyr或重塑方面有更好的技巧 - 我仍然没有真正跟上速度 在 Hadley 的所有这些强大的软件包上。

使用 reshape 包，您可以执行类似操作。

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)

更新：这个答案很古老。 现在是推荐的方法。 我把它留在这里，以防万一它可能有用。gridExtra::grid.arrange()

---

Stephen Turner 在 Getting Genetics Done 博客上发布了 arrange（） 函数（有关应用说明，请参阅帖子）

vp.layout <- function(x, y) viewport(layout.pos.row=x, layout.pos.col=y)
arrange <- function(..., nrow=NULL, ncol=NULL, as.table=FALSE) {
 dots <- list(...)
 n <- length(dots)
 if(is.null(nrow) & is.null(ncol)) { nrow = floor(n/2) ; ncol = ceiling(n/nrow)}
 if(is.null(nrow)) { nrow = ceiling(n/ncol)}
 if(is.null(ncol)) { ncol = ceiling(n/nrow)}
        ## NOTE see n2mfrow in grDevices for possible alternative
grid.newpage()
pushViewport(viewport(layout=grid.layout(nrow,ncol) ) )
 ii.p <- 1
 for(ii.row in seq(1, nrow)){
 ii.table.row <- ii.row 
 if(as.table) {ii.table.row <- nrow - ii.table.row + 1}
  for(ii.col in seq(1, ncol)){
   ii.table <- ii.p
   if(ii.p > n) break
   print(dots[[ii.table]], vp=vp.layout(ii.table.row, ii.col))
   ii.p <- ii.p + 1
  }
 }
}

任何并排的 ggplots（或网格上的 n 个图）

gridExtra 包中的函数将组合多个图;这就是你把两个并排放置的方式。grid.arrange()

require(gridExtra)
plot1 <- qplot(1)
plot2 <- qplot(1)
grid.arrange(plot1, plot2, ncol=2)

当两个图不基于相同的数据时，这很有用，例如，如果您想在不使用 reshape（） 的情况下绘制不同的变量。

这会将输出绘制为副作用。要将副作用打印到文件中，请指定设备驱动程序（例如 、 等），例如pdfpng

pdf("foo.pdf")
grid.arrange(plot1, plot2)
dev.off()

或者，与 、 结合使用arrangeGrob()ggsave()

ggsave("foo.pdf", arrangeGrob(plot1, plot2))

这相当于使用 制作两个不同的图。这不仅节省了安排数据的时间，而且当您需要两个不同的图时，这是必要的。par(mfrow = c(1,2))

---

附录：使用分面

分面有助于为不同的组制作相似的图。下面的许多答案都指出了这一点，但我想用与上述图等效的例子来强调这种方法。

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)

---

更新

cowplot 中的函数值得一试，作为 的替代品。请参阅下面 @claus-wilke 的答案和这个小插曲，了解等效的方法;但该功能允许根据这个小插图对绘图位置和大小进行更精细的控制。plot_gridgrid.arrange

您可以使用 Winston Chang 的 R 说明书中的以下函数multiplot

multiplot(plot1, plot2, cols=2)

---

multiplot <- function(..., plotlist=NULL, cols) {
    require(grid)

    # Make a list from the ... arguments and plotlist
    plots <- c(list(...), plotlist)

    numPlots = length(plots)

    # Make the panel
    plotCols = cols                          # Number of columns of plots
    plotRows = ceiling(numPlots/plotCols) # Number of rows needed, calculated from # of cols

    # Set up the page
    grid.newpage()
    pushViewport(viewport(layout = grid.layout(plotRows, plotCols)))
    vplayout <- function(x, y)
        viewport(layout.pos.row = x, layout.pos.col = y)

    # Make each plot, in the correct location
    for (i in 1:numPlots) {
        curRow = ceiling(i/plotCols)
        curCol = (i-1) %% plotCols + 1
        print(plots[[i]], vp = vplayout(curRow, curCol ))
    }

}

基于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。grid.arrange

我编写了cowplot包来解决这个（以及其他一些）问题，特别是函数：plot_grid()

library(cowplot)

iris1 <- ggplot(iris, aes(x = Species, y = Sepal.Length)) +
  geom_boxplot() + theme_bw()

iris2 <- ggplot(iris, aes(x = Sepal.Length, fill = Species)) +
  geom_density(alpha = 0.7) + theme_bw() +
  theme(legend.position = c(0.8, 0.8))

plot_grid(iris1, iris2, labels = "AUTO")

返回的对象是另一个 ggplot2 对象，您可以像往常一样保存它：plot_grid()ggsave()

p <- plot_grid(iris1, iris2, labels = "AUTO")
ggsave("plot.pdf", p)

或者，您可以使用 cowplot 函数 ，这是一个薄包装器，可以轻松获得组合图的正确尺寸，例如：save_plot()ggsave()

p <- plot_grid(iris1, iris2, labels = "AUTO")
save_plot("plot.pdf", p, ncol = 2)

（该参数表明有两个并排的绘图，并使保存的图像宽度增加一倍。ncol = 2save_plot()save_plot()

有关如何在网格中排列绘图的更深入描述，请参阅此小插图。还有一个小插曲解释了如何用一个共同的传说来制作情节。

一个常见的混淆点是 cowplot 包更改了默认的 ggplot2 主题。该包之所以如此，是因为它最初是为内部实验室使用而编写的，我们从不使用默认主题。如果这会导致问题，可以使用以下三种方法之一来解决这些问题：

1.为每个情节手动设置主题。我认为始终为每个情节指定一个特定的主题是一种很好的做法，就像我在上面的例子中所做的那样。如果指定特定主题，则默认主题无关紧要。+ theme_bw()

2. 将默认主题恢复为 ggplot2 默认值。您可以使用一行代码来执行此操作：

theme_set(theme_gray())

3. 在不附加包的情况下调用 cowplot 函数。您也不能调用或而是通过预置 来调用 cowplot 函数。例如，上面使用 ggplot2 默认主题的示例将变为：library(cowplot)require(cowplot)cowplot::

## 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")

更新：

• 从 cowplot 1.0 开始，默认的 ggplot2 主题不再更改。
• 从 ggplot2 3.0.0 开始，可以直接标记绘图，例如参见此处。

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

如果您想使用循环绘制多个 ggplot 图（例如，如此处所述：使用循环在 ggplot 中创建具有不同 Y 轴值的多个图），则上述解决方案可能效率不高，这是分析未知（或大型）数据集所需的步骤（例如，当您想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（）”来做到这一点，其源代码在这里：http://www.cookbook-r.com/Graphs/Multiple_graphs_on_one_page_（ggplot2）：

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)
}

现在运行函数 - 在一页上使用 ggplot 打印所有变量的计数

dt = ggplot2::diamonds
plotAllCounts(dt)

需要注意的一点是：
在上面的代码中使用 ，而不是不会绘制所需的绘图，在使用 时通常会在循环中使用。相反，它将多次绘制最后一个图。我还没有弄清楚为什么 - 它可能必须这样做并被召唤.aes(get(strX))ggplotaes_string(strX)aesaes_stringggplot

否则，希望您会发现该功能有用。

该软件包为您提供了一种很好的方法来做到这一点，以适合发布的方式。cowplot

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")

ggplot2 基于网格图形，它为在页面上排列绘图提供了不同的系统。该命令没有直接的等效项，因为网格对象（称为 grobs）不一定立即绘制，但在转换为图形输出之前可以作为常规 R 对象进行存储和操作。这比现在绘制的基础图形模型具有更大的灵活性，但策略必然会有所不同。par(mfrow...)

我写是为了提供一个尽可能接近的简单界面。在最简单的形式中，代码如下所示：grid.arrange()par(mfrow)

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)

此小插图中详细介绍了更多选项。

一个常见的抱怨是，绘图不一定是对齐的，例如，当它们具有不同大小的轴标签时，但这是设计使然：不尝试特殊情况的 ggplot2 对象，并将它们与其他 grob 同等对待（例如格子图）。它只是将 grobs 放置在矩形布局中。grid.arrange

对于 ggplot2 对象的特殊情况，我编写了另一个函数，具有类似的接口，它尝试对齐绘图面板（包括分面绘图）并尝试在用户定义时尊重纵横比。ggarrange

library(egg)
ggarrange(p1, p2, ncol = 2)

这两个函数都与 兼容。有关不同选项的一般概述以及一些历史背景，此小插图提供了其他信息。ggsave()

使用 patchwork 包，您可以简单地使用 operator：+

library(ggplot2)
library(patchwork)

p1 <- ggplot(mtcars) + geom_point(aes(mpg, disp))
p2 <- ggplot(mtcars) + geom_boxplot(aes(gear, disp, group = gear))


p1 + p2

其他运算符包括堆叠绘图、并排放置绘图以及对元素进行分组。例如，您可以使用 配置包含 3 个图的顶行和 1 个图的底行。有关更多示例，请参阅包文档。/()(p1 | p2 | p3) /p

还有值得一提的多面板图形包。另请参阅此答案。

library(ggplot2)
theme_set(theme_bw())

q1 <- ggplot(mtcars) + geom_point(aes(mpg, disp))
q2 <- ggplot(mtcars) + geom_boxplot(aes(gear, disp, group = gear))
q3 <- ggplot(mtcars) + geom_smooth(aes(disp, qsec))
q4 <- ggplot(mtcars) + geom_bar(aes(carb))

library(magrittr)
library(multipanelfigure)
figure1 <- multi_panel_figure(columns = 2, rows = 2, panel_label_type = "none")
# show the layout
figure1

figure1 %<>%
  fill_panel(q1, column = 1, row = 1) %<>%
  fill_panel(q2, column = 2, row = 1) %<>%
  fill_panel(q3, column = 1, row = 2) %<>%
  fill_panel(q4, column = 2, row = 2)
figure1

# complex layout
figure2 <- multi_panel_figure(columns = 3, rows = 3, panel_label_type = "upper-roman")
figure2

figure2 %<>%
  fill_panel(q1, column = 1:2, row = 1) %<>%
  fill_panel(q2, column = 3, row = 1) %<>%
  fill_panel(q3, column = 1, row = 2) %<>%
  fill_panel(q4, column = 2:3, row = 2:3)
figure2

由 reprex 软件包 （v0.2.0.9000） 于 2018-07-06 创建。

根据我的经验，如果您尝试在循环中生成绘图，gridExtra：grid.arrange 可以完美地工作。

短代码片段：

gridExtra::grid.arrange(plot1, plot2, ncol = 2)

** 更新此注释以显示如何在 for 循环中使用来生成分类变量的不同因子的图。grid.arrange()

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)

}

下面包括上面 for 循环的示例图之一。 上面的循环将为 BMI 类别的所有级别生成多个图。

示例图像

如果您希望看到更全面地使用 within 循环，请查看 https://rpubs.com/Mayank7j_2020/olympic_data_2000_2016grid.arrange()for

还要从包装中考虑。它有很多好处，包括在绘图之间对齐轴以及将常见图例合并为一个图例的选项。ggarrangeggpubr