还有一个多面板图形包是值得一提的。看看这个答案。

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包(v0.2.0.9000)于2018-07-06创建。

还有一个多面板图形包是值得一提的。看看这个答案。

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包(v0.2.0.9000)于2018-07-06创建。

基于网格的解决方案的一个缺点。他们的一个缺点是很难像大多数期刊要求的那样用字母(A, B等)来标记这些图。

我写了cowplot包来解决这个(和其他一些)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")

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

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

或者，你可以使用cowplot函数save_plot()，它是ggsave()的一个薄包装，可以很容易地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)

(ncol = 2参数告诉save_plot()有两个并排的图像，而save_plot()使保存的图像宽度增加一倍。)

有关如何在网格中安排图的更深入描述，请参阅此小插图。还有一个小插图解释如何用一个共享的传说来制作情节。

一个常见的混淆点是cowplot包更改了默认的ggplot2主题。这个包之所以这样做，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。如果这导致问题，您可以使用以下三种方法之一来解决它们:

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个很好的实践，就像我在上面的示例中对+ theme_bw()所做的那样。如果您指定了一个特定的主题，那么默认主题并不重要。

2. 将默认主题恢复为ggplot2默认。你可以用一行代码做到这一点:

theme_set(theme_gray())

3.调用cowplot函数而不附加包。你也可以不调用library(cowplot)或require(cowplot)，而是通过前置cowplot::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")

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，可以直接对图进行标记，参见这里的示例。

如果您希望使用循环绘制多个ggplot图(例如:使用循环在ggplot中创建具有不同y轴值的多个图)，上述解决方案可能不太有效，这是分析未知(或大型)数据集的理想步骤(例如，当您希望绘制数据集中所有变量的计数时)。

下面的代码展示了如何使用上面提到的“multiplot()”来实现这一点，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-以获取在一页上使用ggplot打印的所有变量的Counts

dt = ggplot2::diamonds
plotAllCounts(dt)

需要注意的一点是: 在上面的代码中使用aes(get(strX))，而不是aes_string(strX)将不会绘制所需的图形，这是在处理ggplot时通常在循环中使用的。相反，它会多次绘制最后一个图形。我还没有弄清楚为什么-它可能必须做aes和aes_string在ggplot中被调用。

除此之外，希望你会发现这个函数有用。

Ggplot2基于网格图形，网格图形提供了在页面上安排图形的不同系统。par(mfrow…)命令并没有直接的对等物，因为网格对象(称为grobs)不一定是立即绘制的，但在转换为图形输出之前，可以作为常规R对象存储和操作。这比现在绘制基础图形的模型具有更大的灵活性，但策略必然略有不同。

我编写grid.arrange()是为了提供一个尽可能接近par(mfrow)的简单接口。在其最简单的形式中，代码看起来像:

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)

在这个小插图中详细介绍了更多的选项。

一个常见的抱怨是，图不一定是对齐的，例如，当它们有不同大小的轴标签时，但这是通过设计:网格。Arrange没有尝试处理特殊情况下的ggplot2对象，并将它们与其他grobs(例如，晶格图)同等对待。它只是将抓取放在矩形布局中。

对于ggplot2对象的特殊情况，我编写了另一个函数ggarrange，该函数具有类似的接口，它尝试对齐绘图面板(包括分面图)，并尝试尊重用户定义的纵横比。

library(egg)
ggarrange(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背景，本小插图提供了额外的信息。

cowplot软件包以适合出版的方式为您提供了一种很好的方法。

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")