导语
GUIDE ╲
说起R语言的拼图，可能大家一点都不陌生，比如常用的“cowplot”和“patchwork”。gridExtra包也提供了一个拼图函数”grid.arrange“。另外，南方医科大学余光创教授也开发了一个更为神奇的拼图R包：aplot。本文将依次对它们的用法进行介绍。
准备工作
将cowplot、patchwork、gridExtra和aplot安装好即可。
代码语言：javascript复制install.packages("cowplot")
install.packages("patchwork")
install.packages("gridExtra")
install.packages("aplot")接下来依次讲解每个R包的用法：
拼图R包讲解
01
cowplot
cowplot是R语言中最常用的拼图软件之一。小编以它自带的例子进行介绍。
代码语言：javascript复制library(ggplot2)
df <- data.frame(
x = 1:10, y1 = 1:10, y2 = (1:10)^2, y3 = (1:10)^3, y4 = (1:10)^4
)
p1 <- ggplot(df, aes(x, y1)) geom_point()
p2 <- ggplot(df, aes(x, y2)) geom_point()
p3 <- ggplot(df, aes(x, y3)) geom_point()
p4 <- ggplot(df, aes(x, y4)) geom_point()
p5 <- ggplot(mpg, aes(as.factor(year), hwy))
geom_boxplot()
facet_wrap(~class, scales = "free_y")
plot_grid(p1, p2, p3, p4)
它可以对行数、列数以及子图的label进行设置。
代码语言：javascript复制plot_grid(p1, p2, p3, ncol=3, labels=LETTERS[1:3])
并且可以对子图的宽度和高度进行调整,以实现更多复杂的布局。
代码语言：javascript复制plot_grid(
p1, p2, p3, p4,
align = 'hv',
rel_heights = c(2,1),
rel_widths = c(1,2)
)
plot_grid(
p1, p5,
align = "h", axis = "b", nrow = 1, rel_widths = c(1, 2)
)
02
patchwork
我的导师余光创教授曾写过一篇文章“cowplot乃旧爱，patchwork是新欢”来对patchwork进行介绍，大家可以在搜狗中点击微信搜索或者关注"YuLabSMU"公众号来查看这篇文章。它不但有着更为简洁易用的图形语法，很容易的实现众多复杂布局，还可以将多张子图的图例集中在一起，放到图的一侧。
代码语言：javascript复制library(ggplot2)
p1 <- ggplot(mtcars)
geom_point(aes(mpg, disp))
ggtitle('图一')
p2 <- ggplot(mtcars)
geom_boxplot(aes(gear, disp, group = gear))
ggtitle('图二')
p3 <- ggplot(mtcars)
geom_point(aes(hp, wt, colour = mpg))
ggtitle('图三')
p4 <- ggplot(mtcars)
geom_bar(aes(gear))
facet_wrap(~cyl)
ggtitle('图四')layout <- c(
area(t = 2, l = 1, b = 5, r = 4),
area(t = 1, l = 3, b = 3, r = 5)
)
p1 p2
plot_layout(design = layout)
g <- ggplot(mtcars)
geom_point(aes(mpg, disp, colour = mpg, size = wt))
g1 <- g ggtitle("图一")
g2 <- g scale_colour_viridis_c() ggtitle("图二")
(p3 | (g1 / g2))
plot_layout(guides = 'collect')
03
gridExtra
gridExtra的一个经典用法是将散点图作为主图放在中心，展现二维属性，然后在X轴和Y轴处再分别做个副图，单独展现它们的一维属性。
代码语言：javascript复制library(ggplot2)
empty <- ggplot() geom_point(aes(1, 1), colour = "white")
theme(axis.ticks = element_blank(),
panel.background = element_blank(),
axis.line = element_blank(),
axis.text.x = element_blank(), axis.text.y = element_blank(),
axis.title.x = element_blank(), axis.title.y = element_blank())
p <- ggplot(mtcars, aes(mpg, disp)) geom_point()
p2 <- ggplot(mtcars, aes(mpg))
geom_density(fill='steelblue', alpha=.5)
ggtree::theme_dendrogram()
p3 <- ggplot(mtcars, aes(x=1, y=disp))
geom_boxplot(fill='firebrick', alpha=.5)
theme_void()
grid.arrange(empty,p2, p3, p, ncol = 2, nrow = 2,
widths = c(1, 4), heights = c(1, 4))
04
aplot
aplot是余教授开发的拼图R包，我们来用它重新画一下上面那幅图，这下子坐标终于能完美对上了。
代码语言：javascript复制ap <- p %>%
insert_top(p2, height=.3) %>%
insert_left(p3, width=.1)
我们再来对比一下patchwork：
代码语言：javascript复制library(ggtree)
set.seed(2020-03-27)
x <- rtree(10)
d <- data.frame(taxa=x$tip.label, value = abs(rnorm(10)))
p <- ggtree(x) geom_tiplab(align = TRUE) xlim(NA, 3)
library(ggstance)
p2 <- ggplot(d, aes(value, taxa)) geom_colh()
scale_x_continuous(expand=c(0,0))
library(patchwork)
p | p2
这张图乍一看还不错，似乎刻度线对齐的挺好，但仔细一看会发现进化树和条形图的y轴标签顺序都不对！那如果我们使用aplot来重新画这张图呢：
Y轴坐标终于能完美对齐了！这样更复杂一些的图形也可以轻松实现：
代码语言：javascript复制library(readr)
library(tidyr)
library(dplyr)
library(ggplot2)
library(ggtree)
file <- system.file("extdata", "scRNA_dotplot_data.tsv.gz", package="aplot")
gene_cluster <- readr::read_tsv(file)
dot_plot <- gene_cluster %>%
mutate(`% Expressing` = (cell_exp_ct/cell_ct) * 100) %>%
filter(count > 0, `% Expressing` > 1) %>%
ggplot(aes(x=cluster, y = Gene, color = count, size = `% Expressing`))
geom_point()
cowplot::theme_cowplot()
theme(axis.line = element_blank())
theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1))
ylab(NULL)
theme(axis.ticks = element_blank())
scale_color_gradientn(colours = viridis::viridis(20), limits = c(0,4), oob = scales::squish, name = 'log2 (count 1)')
scale_y_discrete(position = "right")
mat <- gene_cluster %>%
select(-cell_ct, -cell_exp_ct, -Group) %>% # drop unused columns to faciliate widening
pivot_wider(names_from = cluster, values_from = count) %>%
data.frame() # make df as tibbles -> matrix annoying
row.names(mat) <- mat$Gene # put gene in `row`
mat <- mat[,-1] #drop gene column as now in rows
clust <- hclust(dist(mat %>% as.matrix())) # hclust with distance matrix
ggtree_plot <- ggtree::ggtree(clust)
v_clust <- hclust(dist(mat %>% as.matrix() %>% t()))
ggtree_plot_col <- ggtree(v_clust) layout_dendrogram()
labels= ggplot(gene_cluster, aes(cluster, y=1, fill=Group)) geom_tile()
scale_fill_brewer(palette = 'Set1',name="Cell Type")
theme_void()
dot_plot %>%
insert_left(ggtree_plot, width=.2) %>%
insert_top(labels, height=.02) %>%
insert_top(ggtree_plot_col, height=.1)
小编总结
由于篇幅所限，这里无法将R语言拼图的所有特性讲解完全。谨希望通过这篇文章能让大家对拼图R包的应用有个较完整的了解，后续通过自己进一步学习可以掌握更多的拼图知识。
