在一个图像中生成图形
我在R中制作了大约18个图形，我想让它们在一个图像中渲染。我收到一条关于大小的错误消息。
在过去，我使用par(mfrow = c(2,2))和这种简单的东西在一次渲染中生成多个图形。
因此，在我所做的工作中，我希望生成一个6乘以3的渲染。因此，它看起来像六行三列。我认为这应该很简单，通过使用par(mfrow = c(6,3))。
在R中，当我尝试做par(mfrow = c(6,3))时，我得到
“plot.new()错误:图形边距太大”。
我试着用3乘3而不是6乘3来解决这个问题，这会得到我想要的一半，但是我可以通过MSpaint将它们组合在一起。有点麻烦，但是生成最后的6乘以3就足够了。有没有一种更简单的方法，让它在R中完成？
回答 2
Stack Overflow用户
发布于 2019-06-10 02:54:47
我很抱歉，如果讨论R中不同绘图机制的优点的旧线程是多余的，那么，我认为可能值得展示具有三种主要绘图机制的“简单”多面板绘图的解决方案。@thelatemail关于将lattice或ggplot2用于这些类型的绘图的建议是正确的，也许这个答案说明了为什么。
尽管基数R可能需要对par()进行最多的调整，并且需要熟悉library(help = "graphics")的功能，但我倾向于使用基数R来生成出版物质量数字。在这篇PDF中，我发现了一篇关于Sean Anderson使用base R进行多面板绘图的精彩讨论。
首先，在一个data.frame中生成一些可复制的数据(always a good idea)，该数据由18组20个x-y对组成，具有合适的组标签和索引uid。曲线图将显示x-y数据并添加一条平滑线。
set.seed(1234)
x <- seq(0, 9, length.out = 20)
y <- replicate(6, (x-5) + rnorm(x))
y <- c(y, replicate(6, 5*sin(x) + rnorm(x)))
y <- c(y, replicate(6, 5*atanh((9-x)/10) + rnorm(x)))
a <- gl(3, 120, labels = c("A","B","C")) # these factors are handy
b <- gl(6, 20, length = 360)
uid <- as.numeric(b:a)
df <- data.frame(x, y, a, b, uid)
rm(x, y, a, b, uid) # prevent use of variables outside of the data.frame根据我的经验，R Studio对情节的要求(控制)更高一些。我不确定这段代码在R Studio下运行得有多好。出现该警告后，将创建一个大小合适的打印设备以启动。
dev.new(width = 6.5, height = 6.5)首先，使用par(mfrow = c(6, 3)和外边距参数(oma)的基础R解决方案。这也使得非典型地使用legend()函数来向每个面板添加标题。
par(mfrow = c(6, 3), mar = c(0,0,0,0), oma = c(6, 6, 2, 2))
ylim <- range(df$y) # to ensure uniformly sized plots
ncol <- 3 # number of columns to the plot
for(u in 1:18) {
sel <- df$uid == u
plot(y ~ x, df, subset = sel, ann = FALSE, axes = FALSE, ylim = ylim)
box() # adds a "frame" or "box" around each plot
xy <- loess.smooth(df$x[sel], df$y[sel], span = 1/3)
lines(xy)
if ((u - 1)%%ncol == 0) axis(2, las = 1)
if ((u - 1)%/%ncol == 5) axis(1)
leg.text <- paste(unique(df$a[sel]), unique(df$b[sel]), sep = ":")
legend("top", leg.text, bty = "n")
}
mtext("x", side = 1, outer = TRUE, line = 3)
mtext("y", side = 2, outer = TRUE, line = 3)
ggplot2和lattice都将返回可以进一步细化的对象。这里展示了一个基于这种精神的lattice解决方案。
library(lattice)
o <- xyplot(y ~ x | b:a, df, as.table = TRUE, layout = c(3, 6))
o <- update(o, type = c("p", "smooth"), span = 1/3)
plot(o)
在不同的标绘机制中，语法和嵌入的美学原则是不同的。这在基本的ggplot2解决方案中是显而易见的。
library(ggplot2)
g <- ggplot(df, aes(x, y)) + geom_point() + facet_wrap(b:a ~ ., ncol = 3)
g <- g + geom_smooth()
plot(g)
选择使用哪种机制是个人的选择。我提到过，为了更好的控制，我通常更喜欢基础图形。为了准备要在监视器上显示的绘图，ggplot2提供了屏幕友好的图像，几乎不需要大惊小怪。对于重复探索多维数据，我发现lattice是最有用的。这可以通过执行绘图代码(不加载库)所需的时间来说明。这里(从Windows i7机器)捕获并显示了每个文件的system.time()输出。
rbind(base = time1, lattice = time2, ggplot = time3)[, 1:3]
> user.self sys.self elapsed
> base 0.05 0.03 0.10
> lattice 0.23 0.03 0.28
> ggplot 1.27 0.05 1.38 Stack Overflow用户
发布于 2019-06-04 12:13:47
我推荐使用ggplot2。这是一个tutorial。
您可能会想要使用grid.arrange()。我经常使用它，它工作得很好。我在上面提供的链接详细介绍了它的用法。
https://stackoverflow.com/questions/56437142
复制相似问题