大家可能會(huì)好奇為什么進(jìn)行分面？分面有什么作用？

這里可以大聲告訴你，在做報(bào)告和發(fā)表專業(yè)期刊甚至是頂級期刊（Nnature、Science、Cell、PNAS）時(shí)的很多圖形中都用到了分面。它就好比九宮格甚至可以設(shè)置更多圖像，先將數(shù)據(jù)劃分成多個(gè)子集，并將每個(gè)子數(shù)據(jù)集填充繪制到頁面各小圖形中。通常我們繪圖時(shí)用到的分面有兩種類型：

1）facet_wrap -- 封裝類型

生成一個(gè) 1 維的多宮格，然后按行或按列順序添加子圖。具體如下圖：

2）facet_grid -- 網(wǎng)格類型

生成一個(gè) 2 維的多網(wǎng)格，通過行列對應(yīng)不同因子型的變量。具體如下圖：

特別提醒：兩者具體區(qū)別也可以看出，一個(gè)是生成1維的，另一個(gè)是生成2維的。也就是說，如果想要分別用兩個(gè)變量來表征多個(gè)子數(shù)據(jù)集時(shí)可以優(yōu)先考慮用facet_grid函數(shù)來繪圖。當(dāng)然，如果想用facet_wrap函數(shù)來繪制2維也可以，但是繪圖的效果可能不好。接下來，先與大家簡單分享下分面示例：

這里使用R語言自帶的數(shù)據(jù)集："mpg"

1) 繪制單獨(dú)的面板 -- facet_null ()

# 加載R包
library(ggplot2)

# 繪制散點(diǎn)圖
ggplot(mpg, aes(cty, hwy)) + 
  geom_point() +
  facet_null() # 繪制單一面板

2) facet_wrap 單一變量：var ~ .

ggplot(mpg, aes(cty, hwy)) + 
  geom_point() +
  facet_wrap(cyl ~ .)

3) facet_wrap 多變量：var(var1 , var2) 或者 var1~var2

ggplot(mpg, aes(cty, hwy)) + 
  geom_point() +
  #facet_wrap( cyl ~ drv)
  facet_wrap(vars(cyl, drv))

4) facet_grid 一行多列或者是多行一列：. ~ var 或 var ~ .

ggplot(mpg, aes(cty, hwy)) + 
  geom_point() +
  # facet_grid( . ~ cyl)
  facet_grid(cyl ~ .)

5) facet_grid 多行多列：. ~ var 或 var ~ .

ggplot(mpg, aes(cty, hwy)) + 
  geom_point() +
  facet_grid(drv ~ cyl)

關(guān)于facet分面其他的一些細(xì)節(jié)，在這里我們不贅述了，網(wǎng)上也有很多相關(guān)介紹。今天主要想和大家分享一下有關(guān)facet分面中如何設(shè)定更好的坐標(biāo)軸范圍。該函數(shù)有一個(gè)參數(shù)--scales，它主要作用是可以根據(jù)不同子圖（各分面的數(shù)據(jù)集范圍）對x和y軸進(jìn)行自動(dòng)生成（但是自動(dòng)生成的范圍不一定是我們想要的，如導(dǎo)致圖的比例不美觀等等）。而平時(shí)我們使用的scale_y_continuous都是對一個(gè)圖形背景所有的范圍進(jìn)行設(shè)置，不能很好的解決這個(gè)問題。這里，我們推薦使用geom_blank函數(shù)來完成該功能。

1) 我們先構(gòu)建一個(gè)數(shù)據(jù)集：由于是隨機(jī)構(gòu)建的，可以設(shè)置種子保證每次結(jié)果復(fù)現(xiàn)一致

set.seed(20220219)
create_df <- rbind(data.frame(group="a", x = runif(100), y = rnorm(100, mean = 5)),
                  data.frame(group="b", x = runif(100), y = rnorm(100, mean = 5, sd = 3)+20),
                  data.frame(group="c", x = runif(100), y = rnorm(100, mean = 5, sd = 5)+30))
str(create_df)

2) 緊接著把構(gòu)建的數(shù)據(jù)繪制成圖：

ggplot() + 
  geom_point(data = create_df, aes(x = x, y = y, colour = group), size = 3) + 
  facet_wrap( ~ group, scales = "free_y") + # 使用scale ="free_y"允許y軸在保持x軸不變的情況下變化（意思可以更改y軸范圍）
  theme_bw()

這里可以利用?facet_wrap查看相關(guān)函數(shù)的介紹 , scales = "free" 對應(yīng)的介紹也非常詳細(xì)~可以看出來由于圖形比例不當(dāng)，導(dǎo)致的圖結(jié)果并不美觀。

3) 調(diào)整圖形坐標(biāo)軸的比例，如果使用單一面板或所有相同比例的數(shù)據(jù)時(shí)，通常使用 coord_cartesian 函數(shù)。但是當(dāng)具有不同比例的面板時(shí)，這個(gè)效果并不好，它強(qiáng)制所有內(nèi)容都處于相同的比例。結(jié)果如下：

ggplot() + 
  geom_point(data = create_df, aes(x = x, y = y, colour = group), size = 3) + 
  facet_wrap( ~ group, scales = "free_y") + 
  coord_cartesian(ylim = c(0, 75)) + 
  theme_bw()

從圖來看，點(diǎn)確實(shí)是聚集起來了，但是各分面都有多余的空間。使得圖看起來不協(xié)調(diào)。

另一種我們還可以選擇使用 expand_limits() 強(qiáng)制各分面從原點(diǎn)開始。使用 scale_y_continuous(expand=c(0,0)) 刪除 y 軸限制的緩沖區(qū)。其中expand 的兩個(gè)值是 c（乘數(shù)緩沖區(qū)，加法緩沖區(qū)）。通過包含 c(0,0)，我們不包含軸刻度上的任何緩沖區(qū)。結(jié)果如下：

ggplot() + 
  geom_point(data = create_df, aes(x = x, y = y, colour = group), size = 3) + 
  facet_wrap( ~ group, scales = "free_y") + 
  expand_limits(y = 0) + 
  scale_y_continuous(expand = c(0, 0)) + 
  theme_bw()

從圖來看還是不能很好的解決不同比例的y軸范圍。為了解決這些問題，可以使用 geom_blank,它能夠完美的解決各分面的坐標(biāo)軸范圍問題。首先創(chuàng)建一個(gè)數(shù)據(jù)集，其中包含我們數(shù)據(jù)集中每個(gè)組級別的 y 軸的最小值和最大值。然后使用 geom_blank 將其傳遞給 ggplot 就可以完美解決了。

blank_data <- data.frame(group = c("a", "a", "b", "b", "c", "c"), 
                         x = 0, y = c(2, 8, 10, 40, 20, 50))

ggplot() + 
  geom_point(data = create_df, aes(x = x, y = y, colour = group), size = 3) + 
  geom_blank(data = blank_data, aes(x = x, y = y)) + 
  facet_wrap( ~ group, scales = "free_y") +
  scale_y_continuous(expand = c(0, 0)) + 
  theme_bw()

關(guān)于數(shù)據(jù)集的設(shè)定我們需要考慮幾點(diǎn)：

1)group分組的名稱要一一對應(yīng)

2)對應(yīng)y軸的值要有兩個(gè)點(diǎn)（最小值和最大值）

3)要考慮清楚各分面哪個(gè)范圍的圖看起來更加美觀，比例更加協(xié)調(diào)

感興趣的同學(xué)可以通過以下方式與我們溝通、交流和學(xué)習(xí)：