R语言patchwork包将多个ggplot2可视化结果组合起来、使用plot_annotation函数为组合图添加标题信息、使用theme函数自定义组合图标题的大小而不改变子图字体的大小

最新推荐文章于 2025-07-20 17:22:06 发布
最新推荐文章于 2025-07-20 17:22:06 发布
阅读量379 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： ggplot2及其扩展包可视化实战系列（持续更新） 文章标签： r语言 数据挖掘 机器学习 人工智能 数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_57242009/article/details/126123984
本文介绍了如何使用R语言的patchwork包将多个ggplot2图表组合，并通过plot_annotation函数添加标题信息，同时利用theme函数定制组合图的标题大小，保持子图字体大小不变。

R语言patchwork包将多个ggplot2可视化结果组合起来、使用plot_annotation函数为组合图添加标题信息、使用theme函数自定义组合图标题的大小而不改变子图字体的大小

目录

R语言patchwork包将多个ggplot2可视化结果组合起来、使用plot_annotation函数为组合图添加标题信息、使用theme函数自定义组合图标题的大小而不改变子图字体的大小

 导入包和库

 R语言ggplot2可视化：使用patchwork包将多个ggplot2可视化结果组合起来、使用plot_annotation函数为组合图添加标题信息、使用theme函数自定义组合图标题的大小而不改变子图字体的大小

 导入包和库

了解本专栏 订阅专栏 解锁全文 超级会员免费看
R语言ggplot2可视化：使用patchwork包将两个ggplot2可视化结果组合起来、使用labs函数为第一个子图添加标题信息（subtitle）
statistics+insight+vista+power
08-23 321
R语言ggplot2可视化：使用patchwork包将两个ggplot2可视化结果组合起来、使用labs函数为第一个子图添加标题信息（subtitle）
R语言patchwork包将多个可视化结果组合起来、plot_annotation函数以及tag_level参数将组合图用大写字母进行顺序编码、为组合图的标签添加自定义后缀信息（suffix）
statistics+insight+vista+power
08-10 395
R语言patchwork包将多个可视化结果组合起来、plot_annotation函数以及tag_level参数将组合图用大写字母进行顺序编码、为组合图的标签添加自定义后缀信息（suffix）
R语言patchwork包将多个可视化结果组合起来、使用plot_annotation函数以及tag_level参数将组合图用大写字母进行顺序编码、为组合图的标签添加自定义前缀信息
statistics+insight+vista+power
08-09 437
R语言patchwork包将多个可视化结果组合起来、使用plot_annotation函数以及tag_level参数将组合图用大写字母进行顺序编码、为组合图的标签添加自定义前缀信息
R语言ggplot2可视化：使用patchwork包将多个ggplot2可视化结果组合起来、使用plot_annotation函数为组合可视化结果添加主标题信息（title）
statistics+insight+vista+power
09-17 449
R语言ggplot2可视化：使用patchwork包将多个ggplot2可视化结果组合起来、使用plot_annotation函数为组合可视化结果添加主标题信息（title）
R语言ggplot2可视化：使用patchwork包将两个ggplot2可视化结果组合起来、使用labs函数为第两个子图都添加标题信息（subtitle for each subplots）
statistics+insight+vista+power
08-05 297
R语言ggplot2可视化：使用patchwork包将两个ggplot2可视化结果组合起来、使用labs函数为第两个子图都添加标题信息（subtitle for each subplots）
玩转数据可视化之R语言ggplot2：（三）ggplot2实现将多张图放在一起，包括并排和插图绘制（快速入门）
阿里云专家博主、数据科学领域优质创作者、统计er在读
04-08 1万+
玩转R语言ggplot2数据可视化 小编大四统计在读，目前保研到统计学top3高校继续攻读统计研究生。本系列主要介绍R语言ggplot2的使用 参考资料: ggplot2: Elegant Graphics for Data Analysis 文章目录玩转R语言ggplot2数据可视化3.将多张图形放在一起:包括并排绘制和插图3.1 并排绘图3.3.1 调整布局3.1.2 修改子图3.1.3 增加注释3.2 将多个图互相叠加在一个图中 3.将多张图形放在一起:包括并排绘制和插图 ggplot2默认的语法都
科研绘图系列：R语言多个图形组合（multiple plots）
专注生信领域
09-06 442
科研绘图系列：R语言多个图形组合（multiple plots）
【R绘图】ggplot2数据可视化从入门到精通 (保姆级教程)
最新发布
R酷的数据科学笔记
07-20 954
本文是一篇针对R语言数据可视化的ggplot2教程，旨在帮助用户掌握专业级图表绘制技巧。文章从环境搭建、数据准备到核心语法讲解，详细介绍了ggplot2的图层思维和实用技巧，并提供了多个实战案例（散点图、柱状图、箱线图、热力图等）。通过代码示例和可视化优化建议，帮助用户避免常见错误，快速提升图表质量，实现高效数据表达。适合R语言初学者和希望提升可视化水平的数据分析从业者阅读。
R可视化：实验结果组合图
专注生信领域
04-22 910
多个实验的组合图
R语言plotly可视化：plotly可视化箱图、可视化多个分类变量的箱图（Several Box Plots）
data+scenario+science+insight
06-29 548
R语言plotly可视化：plotly可视化箱图、可视化多个分类变量的箱图（Several Box Plots）
R语言ggplot2可视化堆叠条形图（stacked bar plot）、并且在每个条形图的顶端使用数值标签表示整个条形的加和值（sum value above the stacked bar）
data+scenario+science+insight
06-07 2237
R语言ggplot2可视化堆叠条形图（stacked bar plot）、并且在每个条形图的顶端使用数值标签表示整个条形的加和值（sum value above the stacked bar）
r语言layout函数给图片添加标号_用R来拼图和排版，告别AI和PS(三)：添加注释信息...
weixin_42350411的博客
01-25 4995
前面我们讲了用R来拼图和排版，告别AI和PS(一)和用R来拼图和排版，告别AI和PS(二)：调节宽度和高度，今天我们来看看如何给图片添加一些注释信息。 首先我们还是先来安装patchwork这个R包，然后加载。生成三张单独的图片。#安装patchwork包，注意这里一定要安装v1.1.0版本的patchwork包 #否则在后面自定义标号类型的时候会报错 devtools::insta...
R语言包ggplot2绘制多组箱线图
热门推荐
weixin_52730798的博客
06-28 3万+
最近在做cibersort浸润分析，在对结果做可视化的时候遇到一点问题 根据默认的绘图只能进行一组数据的绘制，而我想要的结果是不同组数据同时展示 就是这张图这种，然后在网上查了一下这个问题，虽然R语言相关的可视化问题挺多，但是没有发现这个问题怎么解决。 不过也有一些帖子给了启发，就是导入一个额外的样本表型信息，然后再在代码的fill属性中设置选择样本信息，这对和我一样的小白们讲是比较麻烦的一种解决方法。 后来结合这个思路，我找到了一个解决办法： 这个是原始数据 这个是自己手动添加..
ggplot2画组合图
neweastsun的专栏
12-18 4705
我们通常会希望使用ggplot2创建横向、纵向并列图，方便同时对比查看数据的不同方面特性。我们可以使用patchwork包很容易实现。 加载包 #install ggplot2 and patchwork packages install.packages('ggplot2') install.packages('patchwork') #load the packages library(ggplot2) library(patchwork) 本文我们展示几个示例教你使用这些包创建多个并列图。.
R语言绘图patchwork拼图详解快速实现组合图拼接
weixin_39372811的博客
09-10 3087
** 此文内容来自微信公众号：R语言搬运工，扫码关注公众号浏览更多精彩内容** 我们在实际科研绘图或者写报告的时候，往往会同时出多幅统计图，如何将他们拼在一起是即将或者正在面临的问题。R语言绘图时，可以提前将绘图窗口设置成不同的分区，比如函数par(mforw=c(3,2))可以将绘图区分为不同的区块，然后出图一次排列；或者先单幅的绘制，然后在PS或者Illustrator里面去拼接。但是，这样的分区总是有一定的局限性，在使用ggplot2绘图时，如何根据不同图形的形状和大小，以及重要性进行人为的排列
R语言ggplot2可视化分面图（facet_grid）、自定义缩小分面图标签栏的高度、但是不改变标签栏标签文本的大小、通过element_text函数的margin参数设置实现
data+scenario+science+insight
03-05 1076
R语言ggplot2可视化分面图（facet_grid）、自定义缩小分面图标签栏的高度、但是不改变标签栏标签文本的大小、通过element_text函数的margin参数设置实现
R语言ggplot2可视化图像设置不同的字体实战
data+scenario+science+insight
11-03 1877
R语言ggplot2可视化图像设置不同的字体实战 目录 R语言ggplot2可视化图像设置不同的字体实战 #查看字体 #使用字体family="Comic Sans MS" #使用字体family="serif" #查看字体 windowsFonts() $serif [1] "TT Times New Roman" $sans [1] "TT Arial" $mono [1] "TT Courier New" #使用字体family="Comic Sans MS" l
R多个箱线图并标注离群点
qq_41827490的博客
04-04 8591
在学探索性数据分析的时候，老师让我们做多个箱线图，并且找出其离群点并标注出来，我是R语言的小菜鸟，鼓捣了一天写出来了一个小程序，希望需要这个的人有所帮助。Sweden=c(7.87,4.22,2.49,0.94,0.89,0.87,0.81,0.78,0.71,0.69)Netherlans=c(8.68,7.31,6.02,2.64,1.75,1.72,1.51,1.42,1.31,1.29)C...
用R语言的ggplot2包进行适合初学者的可视化分析，不要太复杂，要求如下 请从网站上下载一个公开的数据集（可以是Kaggle或者UCI上的数据集），要求数据集中的样本数量不少于1000，特征不小于10个。针对该数据集，使用尽可能多的数据可视化方法探索数据蕴含的信息，制作一个数据分析可视化报告。在报告中至少包含下面的可视化内容。（1）可视化图像中包含对高维数据的可视化分析。（2）在对数据可视化时，要针对分类变量进行对比。（3）使用的可视化图像尽可能简单易懂。（4）可视化数据要尽可能讲述一个完整的故事。
05-01
<think>好的，我现在需要回答用户关于如何使用R语言的ggplot2包进行初学者友好的数据可视化分析的问题，并且需要基于Kaggle或UCI的数据集，样本数不少于1000，特征数不小于10。用户还希望报告中包含高维数据可视化、分类变量对比、简单易懂的图表以及完整的故事性可视化内容。 首先，我需要回忆ggplot2的基本用法，以及适合初学者的步骤。用户是初学者，所以步骤需要详细但不过于复杂。接下来，选择合适的公开数据集，比如UCI的成人收入数据集或者Kaggle的泰坦尼克数据集，这些数据集样本数和特征数都符合要求。 然后，考虑高维数据可视化的方法，可能需要使用降维技术如PCA，或者分面、颜色、形状等美学映射来展示多个变量。分类变量对比可以用条形图、箱线图或小提琴图。简单易懂的图表包括散点图、直方图、折线图等。故事性可能需要通过多个图表逐步展开，分析数据中的关键点。 还需要引用用户提供的参考资料中的内容，比如引用[1]中的数据可视化部分，引用[3]中的数据预处理步骤，可能需要在回答中提到数据预处理的重要性，如处理缺失值、归一化等，这些步骤在制作可视化报告前是必要的。 接下来，组织回答结构：先介绍数据集的选择和预处理，然后分步骤讲解不同类型的可视化，最后整合成一个有故事性的报告。确保每个部分都使用ggplot2的相应函数，并给出代码示例，同时解释图表的意义。 还要注意系统级指令中的要求，比如数学公式用$...$，独立公式用$$...$$，但在这个问题中可能涉及较少数学公式，但如果有的话需要正确应用。同时，生成相关问题，可能涉及ggplot2的高级技巧、数据集处理的其他方法、如何优化可视化效果等。 最后，检查回答是否符合中文要求，引用是否正确，代码格式是否正确，以及是否覆盖了用户的所有需求点。</think>以下是为您设计的R语言ggplot2数据可视化分析方案，以UCI成人收入数据集为例（32561个样本，15个特征，包含年龄、教育、职业等分类变量和连续变量）： ### 一、数据准备与预处理 1. 数据下载与读取： ```r library(ggplot2) adult <- read.csv("adult.csv", na.strings = "?") # 下载地址：https://archive.ics.uci.edu/ml/datasets/adult ``` 2. 数据清洗（参考引用[3]）： ```r adult <- na.omit(adult) # 删除缺失值 adult$income <- factor(adult$income) # 转换分类变量 ``` ### 二、核心可视化分析 #### 1. 分类变量对比（条形图） ```r ggplot(adult, aes(x = education, fill = income)) + geom_bar(position = "dodge") + labs(title = "教育程度与收入关系", x = "教育程度", y = "人数") + theme(axis.text.x = element_text(angle = 45, hjust = 1)) ``` ![条形图示例](data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAABAAAAAQCAYAAAAf8/9hAAAABHNCSVQICAgIfAhkiAAAAAlwSFlzAAAPYQAAD2EBqD+naQAAABl0RVh0U29mdHdhcmUAd3d3Lmlua3NjYXBlLm9yZ5vuPBoAAADTSURBVDiN7ZMxCsJAEETnGxQj2FhYewE7G0/gBSy8gVh6Bw9gZ2GjYGkhFgoiKtbBQhA0MRj8sLCQZP8nC7vD7L5dRA4R+QOqgAqgAqgA/w1wXfcM7IC9iJx+AfB9/wq0gQtwEJHrNwCj0egKdIA5sBSR2zcA4/E4BjrADFj9xGQ2m0VAD5gC6184Wc7n8yPQB4bA5h9OFovFEegBA2D7L6fL5fIAdIE2sPuX09VqdQC6QAvY/8vper0+Ah2gCRz+5XSz2ZyANtAAjv9yut1uz0ALqAPRj5v8AhQAJhGHB8jTAAAAAElFTkSuQmCC)[^1] #### 2. 高维数据可视化（平行坐标系） ```r library(GGally) ggparcoord(adult[c(1,3,5,12,15)], columns = 1:4, groupColumn = 5) + theme(legend.position = "top") ``` #### 3. 数值变量分布（直方图+密度曲线） ```r ggplot(adult, aes(x = hours.per.week)) + geom_histogram(aes(y=..density..), bins=30, fill="skyblue") + geom_density(color="red") + labs(title = "每周工作时间分布") ``` ### 三、故事性可视化组合 ```r library(patchwork) p1 <- ggplot(adult, aes(age, fill=income)) + geom_density(alpha=0.5) p2 <- ggplot(adult, aes(occupation, fill=income)) + geom_bar() p3 <- ggplot(adult, aes(education.num, hours.per.week)) + geom_point(aes(color=income)) (p1 + p2) / p3 + plot_annotation(title = "收入影响因素分析") ``` ### 四、报告制作建议 1. 使用R Markdown创建可重复报告模板 2. 按"数据概况->单变量分析->多变量关系->结论"的结构组织 3. 使用`ggthemes`包美化图表样式 4. 通过`plotly`包添加交互功能（参考引用[1]可视化方法）
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

statistics.insight

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值