Organisering og layout af figurer med flere paneler

I kapitlet Facets (undergrafer) blev det demonstreret, hvordan en kategorisk variabel kan bruges til at lave flere undergrafer (facets), der præsenterer undergrupper af data. Det gøres med funktioner i ggplot2 (facet_wrap() og facet_grid()). Disse funktioner kan ikke bruges til at placere separate grafer ved siden af hinanden. Til det formål kræves tilføjelsespakker til ggplot2. De to mest populære pakker er gridExtra og cowplot. Her demonstreres kun cowplot, da den tilbyder alle de funktioner, der er brug for, selv for de mest avancerede brugere. Cowplot har en intuitiv syntaks og skaber ensartede og velorganiserede layouts med meget høj fleksibilitet.

Begynd med at installere og aktivere cowplot. Aktivér også tidyverse, som blandt andet indeholder ggplot2, og gapminder, som indeholder øvelsesdata.

install.packages("cowplot")

library(cowplot)
library(tidyverse)
library(gapminder)

## Inspicér de første 5 rækker i gapminder
head(gapminder)

De første 5 rækker i gapminder.

For at organisere flere grafer i ét layout skal hver graf gemmes som et objekt. Objekterne i dette kapitel kaldes plot_1, plot_2, plot_3 og plot_4. Forskellen mellem disse grafer vil være lille, men det har ingen betydning for at demonstrere, hvordan grafer organiseres.

Vi begynder med at lave plot_1, plot_2, plot_3 og plot_4 med data fra gapminder. Forskellen på nedenstående grafer er kun, hvad der er på x-aksen og y-aksen, samt farvetemaet.

## Første graf
plot_1 <- ggplot(gapminder, aes(x=log(pop),
                                y=log(lifeExp),
                                color=year)) +
  geom_point() +
  scale_color_viridis_c(option = "plasma") +
  theme(legend.position = "none")

## Anden graf
plot_2 <- ggplot(gapminder, aes(x=log(pop),
                                y=continent,
                                color=year)) +
  geom_point(size=3, alpha=.5) +
  scale_color_viridis_c(option = "magma") +
  theme(legend.position = "none")

## Tredje graf
plot_3 <- ggplot(gapminder, aes(x=log(gdpPercap),
                                y=continent,
                                color=year)) +
  geom_point(size=3, alpha=.5) +
  scale_color_viridis_c(option = "plasma") +
  theme(legend.position = "none")

## Fjerde graf
plot_4 <- ggplot(gapminder, aes(x=gdpPercap,
                                y=continent,
                                color=year)) +
  geom_point(size=3, alpha=.5) +
  scale_color_viridis_c(option = "magma") +
  theme(legend.position = "none")

Vi bruger nu plot_grid() fra cowplot til at organisere plot_1 og plot_2 i én figur med 2 kolonner (ncol). Vi laver også labels, som det fremgår nedenfor.

plot_grid(plot_1, plot_2, ncol = 2, labels = c('A', 'B'))

Figurerne kan i stedet placeres lodret ved at ændre ncol til ncol=1. Nedenfor bruger vi i stedet labels="AUTO" for at få etiketterne automatisk.

plot_grid(plot_1, plot_2, ncol = 1, labels = "AUTO")

Vi kan også bruge align="h" til vandret placering af figurer og align="v" til lodret placering.

plot_grid(plot_1, plot_2, aligh = "h")

Vi kan justere, hvor stor en andel af pladsen hver graf skal optage, med argumentet rel_widths(). Nedenfor får den første graf halvt (1) så meget plads som den anden graf (2).

plot_grid(plot_1, plot_2, ncol=2, rel_widths = c(1, 2))

Bemærk i nedenstående graf, at titlen på den øverste figurs y-akse har større afstand til y-aksens tal.

plot_grid(plot_1, plot_2, ncol = 1, align = 'v')

Når figurerne i en plot_grid() ikke står på linje med hensyn til titler og akser, bruges argumentet axis til at justere dette. Axis har værdierne none, l (left), r (right), b (bottom) og t (top). Du kan bruge en eller flere af disse til at justere den pågældende side. Nedenfor venstrejusterer vi graferne med axis="l".

plot_grid(plot_1, plot_2, ncol = 1, align = 'v', axis = 'l')

Du kan lave tomme figurfelter med argumentet NULL i plot_grid(). Nedenfor laver vi en matrix med fire figurer, hvoraf to er NULL, og vi tilføjer etiketter automatisk.

plot_grid(
  plot_1, NULL, NULL, plot_2,
  labels = "AUTO",
  ncol = 2
)

Du kan lave matricer med figurer i flere rækker og med varierende størrelser på disse rækker. Det gøres ved at lave flere plot_grid(), som derefter bruges som objekter i en endelig plot_grid().

## Første række med plot_grid()
upper_row <- plot_grid(plot_1, plot_2, ncol = 2, labels=c("A", "B"))

## Anden række med plot_grid()
middle_row <- plot_grid(plot_3, labels=c("C"))

## Tredje række med plot_grid()
bottom_row <- plot_grid(plot_4, plot_1, ncol = 2, labels=c("D", "E"))

## Endelig plot_grid()
plot_grid(upper_row, middle_row, bottom_row, ncol=1)

Fælles overskrift for mange paneler

Med plot_grid() kan man give hvert panel en label, og selve panelet kan have en titel lavet med ggplot(). Det kan dog være ønskeligt at have en titel, der strækker sig over flere paneler. Det opnår man med ggdraw(), som følger:

plot_title <- ggdraw() +
  draw_label(
    "Här skriver vi en titel för samtliga paneler på en gång",
    fontface = 'bold',
    x = 0,
    hjust = 0) +
  # Tilføjer en margen på 7 pixels til venstre, så titlen står på linje med det første panel
  theme(plot.margin = margin(0, 0, 0, 7))

plot_row <- plot_grid(plot_1, plot_2, labels="AUTO")

plot_grid(
  plot_title,
  plot_row,
  ncol = 1,
  rel_heights = c(0.1, 1) # titlen får en lille andel af højden
)

Overlap figurer

Det kan være nyttigt at lade figurer overlappe for tydeligere at anskueliggøre sammenhænge. Det er nyttigt, hvis figurerne deler en akse (oftest x-aksen). Hvis to figurer har den samme x-akse, men forskellige y-akser, kan figurerne overlappes, så sammenhængen mellem x-aksen og begge y-akser kan visualiseres med overlapning. Det kan undertiden give tydeligere illustrationer, selvom gevinsten (sammenlignet med to separate figurer placeret ved siden af hinanden) egentlig er ret lille.

Til denne øvelse bruger vi mpg-data (miles per gallon), som indeholder data om brændstofforbrug (variablerne cty og hwy) for forskellige biler. Disse data findes i tidyverse, hvilket betyder, at de burde være tilgængelige nu (ellers skal tidyverse aktiveres med kommandoen library(tidyverse)). Begynd med at inspicere data:

head(mpg)

Vi laver den første figur (se kommentarerne for forklaringer) som følger:

plot_1 <- ggplot(mpg, aes(x=manufacturer,
                          y=hwy)) +
  geom_boxplot() +
  # Temaet "half open" har intet gitter og kun to linjer (x-akse og y-akse)
  theme_half_open() +
  theme(
    # Roterer etiketterne på x-aksen 45°
    axis.text.x = element_text(angle = 45, hjust = 1, vjust= 1),
    # Fjerner titlen på x-aksen
    axis.title.x = element_blank())

plot_1

Bemærk, at figuren ikke har linjer i højre side og øverst. Vi fortsætter med den anden figur:

plot_2 <- ggplot(mpg, aes(x=manufacturer,
                          y=cty,
                          color=drv)) +
  geom_point(size=3) +
  # Flytter y-aksen til højre side
  scale_y_continuous(position = "right") +
  # Samme tema som ovenfor
  theme_half_open() +
  # Fjerner titel og etiketter på x-aksen
  theme(axis.text.x = element_blank(),
        axis.title.x = element_blank()) +
  # Bruger et smukt farvetema til color=drv
  scale_color_viridis_d()

plot_2

Til sidst skal de to grafer overlappes. Det gøres med align_plots() og ggdraw(), som følger:

## Placér graferne oven på hinanden
aligned_plots <- align_plots(plot_1, plot_2, align="hv", axis="tblr")

## Vis den færdige graf
ggdraw(aligned_plots[[1]]) + draw_plot(aligned_plots[[2]])