《R语言》第11章：多图组合

返回课程主页

版权声明：本套课程材料开源，使用和分享必须遵守「创作共用许可协议 CC BY-NC-SA」（来源引用-非商业用途使用-以相同方式共享）。

---

Chap11：多图组合

往期要点回顾

• Chap10 # 绘制变量分布（直方图）
• Chap10 # 绘制变量大小（柱形图）
• Chap10 # 绘制变量关系（散点图）
• Chap10 # 绘制变量趋势（折线图）

本章要点目录

• 【实践1】facet_wrap()：拆解分面小图
• 【实践2】facet_grid()：两个分类变量的交叉组合分面
• 【实践3】cowplot::plot_grid()：多图组合（重点）
• 【实践4】ggsave()：图形文件保存（重点）

## 本章所需R包
library(bruceR)
# library(ggplot2)  # 加载bruceR时已默认加载ggplot2
# library(cowplot)  # 加载bruceR时已默认加载cowplot

分面小图

【实践1】facet_wrap()：拆解分面小图

## 数据准备
data = airquality
data$Month = as.factor(data$Month)
data$Temp.C = (data$Temp - 32) / 1.8  # 摄氏度 = (华氏度 - 32) / 1.8
str(data)

'data.frame':   153 obs. of  7 variables:
 $ Ozone  : int  41 36 12 18 NA 28 23 19 8 NA ...
 $ Solar.R: int  190 118 149 313 NA NA 299 99 19 194 ...
 $ Wind   : num  7.4 8 12.6 11.5 14.3 14.9 8.6 13.8 20.1 8.6 ...
 $ Temp   : int  67 72 74 62 56 66 65 59 61 69 ...
 $ Month  : Factor w/ 5 levels "5","6","7","8",..: 1 1 1 1 1 1 1 1 1 1 ...
 $ Day    : int  1 2 3 4 5 6 7 8 9 10 ...
 $ Temp.C : num  19.4 22.2 23.3 16.7 13.3 ...

## 基础散点图
ggplot(data, aes(x=Wind, y=Temp.C)) +
  geom_point()

ggplot(data, aes(x=Wind, y=Temp.C, color=Month)) +
  geom_point()

ggplot(data, aes(x=Wind, y=Temp.C, color=Month)) +
  geom_point() +
  facet_wrap(~ Month)

ggplot(data, aes(x=Wind, y=Temp.C, color=Month)) +
  geom_point() +
  facet_wrap(~ Month, ncol=5)

ggplot(data, aes(x=Wind, y=Temp.C, color=Month)) +
  geom_point(show.legend=FALSE) +
  facet_wrap(~ Month, nrow=1)

ggplot(data, aes(x=Wind, y=Temp.C, color=Month)) +
  geom_point(show.legend=FALSE) +
  geom_smooth(method="lm", se=FALSE, show.legend=FALSE) +
  facet_wrap(~ Month, nrow=1)

`geom_smooth()` using formula = 'y ~ x'

## 修改因子标签
data$Months = factor(
  data$Month,
  levels = 5:9,
  labels = c("May", "June", "July", "August", "September")
)
ggplot(data, aes(x=Wind, y=Temp.C, color=Months)) +
  geom_point(show.legend=FALSE) +
  geom_smooth(method="lm", show.legend=FALSE) +
  facet_wrap(~ Months, nrow=1)

`geom_smooth()` using formula = 'y ~ x'

ggplot(data, aes(x=Wind, y=Temp.C, color=Months)) +
  geom_point(show.legend=FALSE) +
  geom_smooth(method="lm", show.legend=FALSE) +
  facet_wrap(~ Months, nrow=1, scales="free")

`geom_smooth()` using formula = 'y ~ x'

【实践2】facet_grid()：两个分类变量的交叉组合分面

• facet_wrap()：线性排列（卷饼🌯）
  • ~ 分组变量
• facet_grid()：两因素交叉组合排列（华夫饼🧇）
  • 行分组变量 ~ 列分组变量

## 两个分类变量的情况
## 数据变量计算复习（Chap 05 & 06）
data.bfi = as.data.table(psych::bfi)
data.bfi[, let(
  Gender = factor(gender, levels=1:2, labels=c("Male", "Female")),
  Age = as.numeric(age),
  Edu = as.factor(education),
  E = MEAN(data.bfi, "E", 1:5, rev=c(1,2), range=1:6),
  A = MEAN(data.bfi, "A", 1:5, rev=1, range=1:6),
  C = MEAN(data.bfi, "C", 1:5, rev=c(4,5), range=1:6),
  N = MEAN(data.bfi, "N", 1:5, rev=NULL, range=1:6),
  O = MEAN(data.bfi, "O", 1:5, rev=c(2,5), range=1:6)
)]
str(data.bfi)

Classes 'data.table' and 'data.frame':  2800 obs. of  36 variables:
 $ A1       : int  2 2 5 4 2 6 2 4 4 2 ...
 $ A2       : int  4 4 4 4 3 6 5 3 3 5 ...
 $ A3       : int  3 5 5 6 3 5 5 1 6 6 ...
 $ A4       : int  4 2 4 5 4 6 3 5 3 6 ...
 $ A5       : int  4 5 4 5 5 5 5 1 3 5 ...
 $ C1       : int  2 5 4 4 4 6 5 3 6 6 ...
 $ C2       : int  3 4 5 4 4 6 4 2 6 5 ...
 $ C3       : int  3 4 4 3 5 6 4 4 3 6 ...
 $ C4       : int  4 3 2 5 3 1 2 2 4 2 ...
 $ C5       : int  4 4 5 5 2 3 3 4 5 1 ...
 $ E1       : int  3 1 2 5 2 2 4 3 5 2 ...
 $ E2       : int  3 1 4 3 2 1 3 6 3 2 ...
 $ E3       : int  3 6 4 4 5 6 4 4 NA 4 ...
 $ E4       : int  4 4 4 4 4 5 5 2 4 5 ...
 $ E5       : int  4 3 5 4 5 6 5 1 3 5 ...
 $ N1       : int  3 3 4 2 2 3 1 6 5 5 ...
 $ N2       : int  4 3 5 5 3 5 2 3 5 5 ...
 $ N3       : int  2 3 4 2 4 2 2 2 2 5 ...
 $ N4       : int  2 5 2 4 4 2 1 6 3 2 ...
 $ N5       : int  3 5 3 1 3 3 1 4 3 4 ...
 $ O1       : int  3 4 4 3 3 4 5 3 6 5 ...
 $ O2       : int  6 2 2 3 3 3 2 2 6 1 ...
 $ O3       : int  3 4 5 4 4 5 5 4 6 5 ...
 $ O4       : int  4 3 5 3 3 6 6 5 6 5 ...
 $ O5       : int  3 3 2 5 3 1 1 3 1 2 ...
 $ gender   : int  1 2 2 2 1 2 1 1 1 2 ...
 $ education: int  NA NA NA NA NA 3 NA 2 1 NA ...
 $ age      : int  16 18 17 17 17 21 18 19 19 17 ...
 $ Gender   : Factor w/ 2 levels "Male","Female": 1 2 2 2 1 2 1 1 1 2 ...
 $ Age      : num  16 18 17 17 17 21 18 19 19 17 ...
 $ Edu      : Factor w/ 5 levels "1","2","3","4",..: NA NA NA NA NA 3 NA 2 1 NA ...
 $ E        : num  3.8 5 4.2 3.6 4.8 5.6 4.2 2.4 3.25 4.8 ...
 $ A        : num  4 4.2 3.8 4.6 4 4.6 4.6 2.6 3.6 5.4 ...
 $ C        : num  2.8 4 4 3 4.4 5.6 4.4 3.4 4 5.6 ...
 $ N        : num  2.8 3.8 3.6 2.8 3.2 3 1.4 4.2 3.6 4.2 ...
 $ O        : num  3 4 4.8 3.2 3.6 5 5.4 4.2 5 5.2 ...
 - attr(*, ".internal.selfref")=<pointer: 0x000001fbac151770> 

p = ggplot(data.bfi[Age>=18 & Age<60 & !is.na(Edu)],
           aes(x=Age, y=E)) +
  geom_point(alpha=0.1) +
  geom_smooth(method="loess", color="firebrick", fill="orange") +
  labs(y="Extraversion")
p

`geom_smooth()` using formula = 'y ~ x'

p + facet_wrap(~ Gender)

`geom_smooth()` using formula = 'y ~ x'

p + facet_wrap(~ Gender + Edu)  # 并不理想

`geom_smooth()` using formula = 'y ~ x'

p + facet_wrap(~ Gender * Edu)  # 并不理想

`geom_smooth()` using formula = 'y ~ x'

p + facet_grid(~ Gender)  # . ~ 列分组变量（.点可以省略）

`geom_smooth()` using formula = 'y ~ x'

p + facet_grid(Gender ~ .)  # 行分组变量 ~ .（.点不能省略）

`geom_smooth()` using formula = 'y ~ x'

p + facet_grid(Gender ~ Edu)  # 行变量 ~ 列变量

`geom_smooth()` using formula = 'y ~ x'

p + facet_grid(Edu ~ Gender)  # 行变量 ~ 列变量

`geom_smooth()` using formula = 'y ~ x'

多图组合

【实践3】cowplot::plot_grid()：多图组合

p1 = ggplot(data, aes(x=Temp.C)) +
  geom_histogram(bins=10, color="black", fill="grey") +
  labs(x="Temperature", y="Frequency")

p2 = ggplot(data, aes(x=Month, y=Temp.C)) +
  geom_boxplot() +
  labs(y="Temperature")

p12 = cowplot::plot_grid(p1, p2, nrow=1, labels="AUTO")
p12

p3 = ggplot(data, aes(x=Wind, y=Temp.C)) +
  geom_point() +
  geom_smooth(method="lm") +
  labs(y="Temperature")

p4 = ggplot(data, aes(x=Wind, y=Temp.C, color=Month)) +
  geom_point(show.legend=FALSE) +
  geom_smooth(method="lm", se=FALSE, show.legend=FALSE) +
  facet_wrap(~ Month, nrow=1) +
  labs(y="Temperature")

p1234 = cowplot::plot_grid(p1, p2, p3, p4, ncol=2, labels="AUTO")

`geom_smooth()` using formula = 'y ~ x'
`geom_smooth()` using formula = 'y ~ x'

p1234

图形文件保存

【实践4】ggsave()：图形文件保存

ggsave()：保存ggplot对象到文件

• file：可以是.png、.jpg、.pdf等文件格式
  • PDF格式是矢量图，无限放大依然清晰
• width：宽度（英寸inch）
• height：高度（英寸inch）
• dpi（dots per inch）：每英寸像素点数

ggsave(p1234, file="Fig1.png", width=8, height=6, dpi=300)
# 分辨率：2400 * 1800（比例合适，分辨率高）

ggsave(p1234, file="Fig2.png", width=4, height=3, dpi=300)
# 分辨率：1200 * 900（比例不合适，虽然分辨率高）

ggsave(p1234, file="Fig3.png", width=8, height=6, dpi=100)
# 分辨率：800 * 600（比例合适，但分辨率低）

ggsave(p1234, file="Fig4.png", width=24, height=18, dpi=100)
# 分辨率：2400 * 1800（比例不合适，分辨率也低）

【作业10】多图组合练习

作业要求：

• 使用cowplot::plot_grid()函数，把【作业9】完成的4张图拼合在一起，添加A~D标签，最后保存为合适尺寸的高清晰度图形文件（.png格式，清晰度dpi至少为300）
• 使用R Markdown完成，对关键代码及结果要有注释说明

平台提交：

• 关键代码截图及保存的PNG图形

---

返回课程主页

© 包寒吴霜