将不同类型的图组合在一起 (R)

Question

我正在尝试学习如何在 R 编程语言中将不同类型的图形组合在一起。假设我有以下数据：

library(dplyr)
library(ggplot2)

date= seq(as.Date("2014/1/1"), as.Date("2016/1/1"),by="day")

var <- rnorm(731,10,10)


group <- sample( LETTERS[1:4], 731, replace=TRUE, prob=c(0.25, 0.22, 0.25, 0.25) )

data = data.frame(date, var, group)

data$year = as.numeric(format(data$date,'%Y'))
data$year = as.factor(data$year)

我将这些数据汇总为不同类型的图表。例如：

1) Pie Charts:

    ###Pie
    
    Pie_2014 <- data %>% filter((data$year == "2014"))
    Pie_2014 %>% 
      group_by(group) %>% 
      summarise(n = n())
    
    Pie_2014_graph = ggplot(Pie_2014, aes(x="", y=n, fill=group)) +
      geom_bar(stat="identity", width=1) +
      coord_polar("y", start=0) +ggtitle( "Pie Chart 2014") 
    
    
    Pie_2015 <- data %>% filter((data$year == "2015"))
    Pie_2015 %>% 
      group_by(group) %>% 
      summarise(n = n())
    
    Pie_2015_graph = ggplot(Pie_2015, aes(x="", y=n, fill=group)) +
      geom_bar(stat="identity", width=1) +
      coord_polar("y", start=0) +ggtitle( "Pie Chart 2015") 
    
    
    Pie_total = data %>% 
      group_by(group) %>% 
      summarise(n = n())
    
    Pie_total_graph = ggplot(data, aes(x="", y=n, fill=group)) +
      geom_bar(stat="identity", width=1) +
      coord_polar("y", start=0) +ggtitle( "Pie Chart Average") 

1. 条形图：

   
   Bar_years = data %>% 
     group_by(year, group) %>% 
     summarise(mean = mean(var))
   
   Bar_years_plot = ggplot(Bar_years, aes(fill=group, y=mean, x=year)) + 
       geom_bar(position="dodge", stat="identity") + ggtitle("Bar Plot All Years")
   
   Bar_total = data %>% 
     group_by(group) %>% 
     summarise(mean = n())
   
   Bar_total_plot = ggplot(Bar_total, aes(x=group, y=mean, fill=group)) +
     geom_bar(stat="identity")+theme_minimal() + ggtitle("Bar Plot Average")
   
   

2. 时间序列图：

New <- data %>%
  mutate(date = as.Date(date)) %>%
  group_by(group, month = format(date, "%Y-%m")) %>%
  summarise( Mean = mean(var, na.rm = TRUE), Count = n())

#Plot
ts_1 <- ggplot(New) +
  geom_line(aes(x=month, y=Mean, colour=group,group=1))+
  scale_colour_manual(values=c("red","green","blue", "purple"))+
  theme(axis.text.x = element_text(angle=90))  + ggtitle("time seres 1")

ts_2 <- ggplot(New) +
  geom_line(aes(x=month, y=Count, colour=group,group=1))+
  scale_colour_manual(values=c("red","green","blue", "purple"))+
  theme(axis.text.x = element_text(angle=90)) + ggtitle("time seres 2")

所有这些图表都可以完美运行。现在我正在寻找一种更好的方式来展示它们。 我的问题：是否可以使用 R 和 ggplot2 将所有这些图表整齐地排列到一个窗口中？

例如：

第 1 行：所有饼图（Pie_2014_graph、Pie_2015_graph、pie_total_graph）

第 2 行：所有条形图（Bar_years_plot、Bar_total_plot）

第 3 行：所有时间序列图（ts_1、ts_2）

现在，我单独创建所有这些图表，将它们粘贴到 MS Paint 中并手动重新排列它们。

这样的？

非常感谢所有帮助。 谢谢

Answer 1

您在上面发布的代码失败，因为您尝试使用变量 n，但在您的饼图数据的 summarise(n = n()) 步骤之后没有分配数据。

您可以将汇总数据直接通过管道传输到 ggplot 中，或者您必须使用类似这样的方式分配中间步骤；

Pie_2014 <- data %>% 
  filter((data$year == "2014")) %>% 
  group_by(group) %>% 
  summarise(n = n())

Pie_2014_graph = ggplot(Pie_2014, aes(x="", y=n, fill=group)) +
  geom_bar(stat="identity", width=1) +
  coord_polar("y", start=0) +ggtitle( "Pie Chart 2014") 


Pie_2015 <- data %>% 
  filter((data$year == "2015")) %>% 
  group_by(group) %>% 
  summarise(n = n())

Pie_2015_graph = ggplot(Pie_2015, aes(x="", y=n, fill=group)) +
  geom_bar(stat="identity", width=1) +
  coord_polar("y", start=0) +ggtitle( "Pie Chart 2015") 


Pie_total = data %>% 
  group_by(group) %>% 
  summarise(n = n())

Pie_total_graph = ggplot(Pie_total, aes(x="", y=n, fill=group)) +
  geom_bar(stat="identity", width=1) +
  coord_polar("y", start=0) +ggtitle( "Pie Chart Average") 

之后，使用 patchwork 包将子图排列在一起非常简单。例如这样的事情会让你接近；

# combine plots

# install.packages('patchwork')
library(patchwork)

(Pie_2014_graph | Pie_2015_graph | Pie_total_graph) /
  (Bar_years_plot | Bar_total_plot) / 
  (ts_1 | ts_2)

编辑：根据对非patchwork替代方案的要求，这是一个让您开始使用cowplot的版本：

library(cowplot)

# arrange subplots in rows
top_row <- plot_grid(Pie_2014_graph, Pie_2015_graph, Pie_total_graph, nrow = 1)
middle_row <- plot_grid(Bar_years_plot, Bar_total_plot)
bottom_row <- plot_grid(ts_1, ts_2)

# arrange our new rows into combined plot
p <- plot_grid(top_row, middle_row, bottom_row, nrow = 3)
p