Side-by-Side-Diagramme mit ggplot2

Ich möchte zwei Diagramme mit dem Paket ggplot2 nebeneinander platzieren , dh das Äquivalent von par(mfrow=c(1,2)).

Zum Beispiel möchte ich, dass die folgenden zwei Diagramme nebeneinander mit demselben Maßstab angezeigt werden.

x <- rnorm(100)
eps <- rnorm(100,0,.2)
qplot(x,3*x+eps)
qplot(x,2*x+eps)

Muss ich sie in denselben data.frame einfügen?

qplot(displ, hwy, data=mpg, facets = . ~ year) + geom_smooth()

Alle ggplots nebeneinander (oder n Plots in einem Raster)

Die Funktion grid.arrange()im gridExtraPaket kombiniert mehrere Diagramme. So setzen Sie zwei nebeneinander.

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

Dies ist nützlich, wenn die beiden Diagramme nicht auf denselben Daten basieren, z. B. wenn Sie verschiedene Variablen ohne Verwendung von reshape () zeichnen möchten.

Dadurch wird die Ausgabe als Nebeneffekt dargestellt. Um die Nebenwirkung in eine Datei zu drucken, spezifizieren einen Gerätetreiber (wie pdf, pngusw.), zB

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

oder arrangeGrob()in Kombination mit verwenden ggsave(),

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

Dies entspricht der Erstellung von zwei unterschiedlichen Plots mit par(mfrow = c(1,2)). Dies spart nicht nur Zeit beim Anordnen von Daten, sondern ist auch erforderlich, wenn Sie zwei unterschiedliche Diagramme wünschen.

Anhang: Verwenden von Facetten

Facetten sind hilfreich, um ähnliche Diagramme für verschiedene Gruppen zu erstellen. Dies wird unten in vielen Antworten unten ausgeführt, aber ich möchte diesen Ansatz mit Beispielen hervorheben, die den obigen Darstellungen entsprechen.

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)

Aktualisieren

Die plot_gridFunktion in der cowplotist es wert, als Alternative zu überprüft zu werden grid.arrange. Siehe die Antwort von @ claus-wilke unten und diese Vignette für einen äquivalenten Ansatz; Die Funktion ermöglicht jedoch feinere Steuerelemente für die Position und Größe des Plots, basierend auf dieser Vignette .

Ein Nachteil der darauf basierenden Lösungen grid.arrangebesteht darin, dass sie es schwierig machen, die Diagramme mit Buchstaben (A, B usw.) zu kennzeichnen, wie es die meisten Zeitschriften erfordern.

Ich habe das Cowplot- Paket geschrieben, um dieses (und einige andere) Probleme zu lösen, insbesondere die Funktion 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")

Das zurückgegebene Objekt plot_grid()ist ein anderes ggplot2-Objekt, und Sie können es ggsave()wie gewohnt speichern :

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

Alternativ können Sie die Cowplot-Funktion verwenden save_plot(), bei der es sich um eine dünne Hülle handelt ggsave(), mit der Sie auf einfache Weise die richtigen Abmessungen für kombinierte Plots ermitteln können, z.

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

(Das ncol = 2Argument besagt, save_plot()dass zwei Diagramme nebeneinander liegen und save_plot()das gespeicherte Bild doppelt so breit ist.)

Eine ausführlichere Beschreibung zum Anordnen von Plots in einem Raster finden Sie in dieser Vignette. Es gibt auch eine Vignette, in der erklärt wird, wie Plots mit einer gemeinsamen Legende erstellt werden.

Ein häufiger Punkt der Verwirrung ist, dass das Cowplot-Paket das Standardthema ggplot2 ändert. Das Paket verhält sich so, weil es ursprünglich für interne Laborzwecke geschrieben wurde und wir niemals das Standarddesign verwenden. Wenn dies zu Problemen führt, können Sie einen der folgenden drei Ansätze verwenden, um diese zu umgehen:

1. Stellen Sie das Thema für jedes Diagramm manuell ein. Ich denke, es ist eine gute Praxis, immer ein bestimmtes Thema für jede Handlung anzugeben, so wie ich es + theme_bw()im obigen Beispiel getan habe . Wenn Sie ein bestimmtes Thema angeben, spielt das Standardthema keine Rolle.

2. Setzen Sie das Standarddesign wieder auf das Standarddesign von ggplot2 zurück. Sie können dies mit einer Codezeile tun:

theme_set(theme_gray())

3. Rufen Sie die Cowplot-Funktionen auf, ohne das Paket anzuhängen. Sie können Cowplot-Funktionen auch nicht library(cowplot)oder require(cowplot)vorab aufrufen, indem Sie sie voranstellen cowplot::. Das obige Beispiel mit dem Standardthema ggplot2 würde beispielsweise wie folgt lauten:

## 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")

Aktualisierung:

• Ab Cowplot 1.0 wird das Standardthema ggplot2 nicht mehr geändert.
• Ab ggplot2 3.0.0 können Plots direkt beschriftet werden, siehe zB hier.

Sie können die folgende multiplotFunktion aus Winston Changs R-Kochbuch verwenden

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 ))
    }

}

Mit dem Patchwork- Paket können Sie einfach den +Operator verwenden:

library(ggplot2)
library(patchwork)

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


p1 + p2

Ja, Sie müssen Ihre Daten entsprechend anordnen. Ein Weg wäre folgender:

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()

Ich bin mir sicher, dass es bessere Tricks bei Plyr oder Reshape gibt - ich bin immer noch nicht wirklich auf dem neuesten Stand bei all diesen leistungsstarken Paketen von Hadley.

Mit dem Umformungspaket können Sie so etwas tun.

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)

Es gibt auch ein Multipanelfigure-Paket , das es wert ist, erwähnt zu werden. Siehe auch diese Antwort .

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

Erstellt am 06.07.2018 durch das reprex-Paket (v0.2.0.9000).

ggplot2 basiert auf Rastergrafiken, die ein anderes System zum Anordnen von Plots auf einer Seite bieten. Der par(mfrow...)Befehl hat keine direkte Entsprechung, da Rasterobjekte ( Grobs genannt ) nicht unbedingt sofort gezeichnet werden, sondern als reguläre R-Objekte gespeichert und bearbeitet werden können, bevor sie in eine grafische Ausgabe konvertiert werden. Dies ermöglicht eine größere Flexibilität als die Auslosung Modells von Basisgrafiken, aber die Strategie ist notwendigerweise etwas anders.

Ich habe geschrieben grid.arrange(), um eine einfache Schnittstelle so nah wie möglich zu bieten par(mfrow). In seiner einfachsten Form würde der Code folgendermaßen aussehen:

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)

Weitere Optionen finden Sie in dieser Vignette .

Eine häufige Beschwerde ist, dass Diagramme nicht unbedingt ausgerichtet sind, z. B. wenn sie Achsenbeschriftungen unterschiedlicher Größe haben. Dies ist jedoch beabsichtigt: grid.arrange beabsichtigt wird kein Versuch unternommen, ggplot2-Objekte in Sonderfällen zu erstellen, und sie werden auch für andere Grobs (z. B. Gitterdiagramme) gleich behandelt ). Es werden lediglich Grobs in einem rechteckigen Layout platziert.

Für den Sonderfall von ggplot2-Objekten habe ich eine andere Funktion ggarrangemit einer ähnlichen Oberfläche geschrieben, die versucht, Plotfelder (einschließlich facettierter Plots) auszurichten und die Seitenverhältnisse zu berücksichtigen, wenn sie vom Benutzer definiert werden.

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

Beide Funktionen sind kompatibel mit ggsave(). Für einen allgemeinen Überblick über die verschiedenen Optionen und einige historische Zusammenhänge bietet diese Vignette zusätzliche Informationen .

Update: Diese Antwort ist sehr alt. gridExtra::grid.arrange()ist jetzt der empfohlene Ansatz. Ich lasse dies hier, falls es nützlich sein könnte.

Stephen Turner hat die arrange()Funktion im Blog Getting Genetics Done veröffentlicht (Anweisungen zur Anwendung finden Sie im Beitrag).

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
  }
 }
}

Verwenden von 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

Die obigen Lösungen sind möglicherweise nicht effizient, wenn Sie mehrere ggplot-Diagramme mit einer Schleife zeichnen möchten (z. B. wie hier gefragt: Erstellen mehrerer Diagramme in ggplot mit unterschiedlichen Y-Achsenwerten mithilfe einer Schleife ). Dies ist ein gewünschter Schritt bei der Analyse des Unbekannten ( oder große) Datensätze (z. B. wenn Sie die Anzahl aller Variablen in einem Datensatz zeichnen möchten).

Der folgende Code zeigt, wie dies mit dem oben genannten 'multiplot ()' gemacht wird, dessen Quelle hier angegeben ist: 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)
}

Führen Sie nun die Funktion aus, um die Anzahl der mit ggplot gedruckten Variablen auf einer Seite abzurufen

dt = ggplot2::diamonds
plotAllCounts(dt)

Eine Sache , die Sie beachten sollten, ist folgende: Wenn Sie im obigen Code anstelle von
verwenden aes(get(strX)), was Sie normalerweise in Schleifen verwenden würden ggplot, aes_string(strX)werden die gewünschten Diagramme NICHT gezeichnet. Stattdessen wird der letzte Plot viele Male geplottet. Ich habe nicht herausgefunden warum - es muss vielleicht das tun aesund aes_stringwird gerufen ggplot.

Ansonsten hoffe ich, dass Sie die Funktion nützlich finden.

Nach meiner Erfahrung funktioniert gridExtra: grid.arrange perfekt, wenn Sie versuchen, Diagramme in einer Schleife zu generieren.

Funktionscode-Snippet:

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

Das cowplotPaket bietet Ihnen eine gute Möglichkeit, dies auf eine Weise zu tun, die zur Veröffentlichung passt.

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")