相比R語言基礎(chǔ)繪圖函數(shù)，我更喜歡使用ggplot繪制的圖形。而patchwork包是一個非常友好的，支持ggplot2對象拼圖的工具包。操作簡單，高效，nice~
參考官方教程：https://patchwork.data-imaginist.com/index.html

0、安裝包以及繪制示例圖

# #install.packages("devtools")
# devtools::install_github("thomasp85/patchwork")
library(ggplot2)
library(patchwork)

p1 <- ggplot(mtcars) + geom_point(aes(mpg, disp))
p2 <- ggplot(mtcars) + geom_boxplot(aes(gear, disp, group = gear))
p3 <- ggplot(mtcars) + geom_bar(aes(gear)) + facet_wrap(~cyl)
p4 <- ggplot(mtcars) + geom_bar(aes(carb))
p5 <- ggplot(mtcars) + geom_violin(aes(cyl, mpg, group = cyl))

1、直接拼圖方法

patchwork包提供有兩種方式可供選擇
（1）符號連接：+或者| 均表示左右拼接，/表示上下拼接，()可以用于調(diào)整優(yōu)先級
（2）函數(shù)調(diào)用：wrap_plots()

1.1 簡單兩張圖

p1 + p2   #左右
wrap_plots(p1, p2)

p1 / p2   #上下
wrap_plots(p1, p2, ncol = 1)

1.2 復(fù)雜布局

（1）符號連接方式可以通過()調(diào)整優(yōu)先級

(p1 | p2) / p3 #先左右再上下

p1 | (p2 / p3) #先上下再左右 

（2）函數(shù)調(diào)用方式可通過設(shè)置design=參數(shù)，進行復(fù)雜布局

• 有點類似基礎(chǔ)繪圖拼圖的layout()函數(shù)

design <- "AB
           CC"
wrap_plots(A = p1, B = p2, C = p3, 
           design = design)

design <- "AAD
           BCE"
wrap_plots(B = p1, A = p2, C = p3, D = p4, E = p5,
           design = design)

• 與上圖等價的符號連接方式拼圖代碼如下。可見在更加復(fù)雜拼圖需求時，還是使用函數(shù)調(diào)用方式更方便一點。

((p2 + p4) + plot_layout(widths = c(2, 1))) / (p1 + p3 + p5) 

2、拼圖細節(jié)調(diào)整

2.1 plot_layout 調(diào)整長寬比例

p1 + p2 + plot_layout(widths = c(3,2))
wrap_plots(p1, p2) + plot_layout(widths = c(3,2))

(((p1 / p2) + plot_layout(heights = c(1,2))) | p3) + plot_layout(widths = c(2,1))

2.2 plot_layout 公用圖形legend

data(Salaries, package="carData") 
p11 <- ggplot(Salaries, aes(x=rank, fill=sex)) +
  geom_bar(position="stack") + labs(title='position="stack"')
p22 <- ggplot(Salaries, aes(x=rank, fill=sex)) +
  geom_bar(position="dodge") + labs(title='position="dodge"')
p33 <- ggplot(Salaries, aes(x=rank, fill=sex)) +
  geom_bar(position="fill") + labs(title='position="fill"')
p11 + p22 + p33 + plot_layout(guides = 'collect')

2.3 plot_annotation 設(shè)置總圖的title

(p1 | (p2 / p3)) + plot_annotation(
  title = 'The surprising truth about mtcars',
  subtitle = 'These 3 plots will reveal yet-untold secrets about our beloved data-set',
  caption = 'Disclaimer: None of these plots are insightful')

2.4 plot_annotation 設(shè)置子圖的tag標(biāo)簽

(p1 | (p2 / p3)) + 
  plot_annotation(tag_levels = 'A')
# tag_levels : 'a', 'A', '1', 'i, or 'I'

# tag標(biāo)簽加前綴
((p1 | p2) / p3) + 
  plot_annotation(tag_levels = 'A', tag_prefix = 'Fig. ') 
# tag標(biāo)簽加后綴
((p1 | p2) / p3) + 
  plot_annotation(tag_levels = 'A', tag_suffix = ':')

• 此外如果想要加個性化的標(biāo)簽，可以在繪制子圖時單獨添加tag

p1 + labs(tag = "any")

3、ggplot對象與其它對象的拼圖

3.1 ggplot對象 + 表格

df = mtcars[1:10, c('mpg', 'disp')]
p1 + gridExtra::tableGrob(df)

3.2 ggplot對象 + 基礎(chǔ)繪圖

p1 + ~plot(mtcars$mpg, mtcars$disp, main = 'Plot 2')