R - Создайте панель 2x2 с четырьмя графиками, созданными из списка

Question

У меня есть список с четырьмя кадрами данных, которые я использую для создания графиков в функции lapply. Участки созданы индивидуально, однако я хотел бы организовать их в панели 2х2, как этот образец:

Это код, я использую:

# create letters for legend 
leg <- LETTERS[1:15] 

# run function 
l_ply(alldat, function(dat) { 
    # first plot - ref data and one model 
    taylor.diagram(dat[,2], dat[,3], pch=leg[1], col='black', pcex=1, normalize=T) 

    # add remaining models 
    for (i in 3:dim(dat)[2]) { 
     model.wanted <- dat[,i] 
     taylor.diagram(dat$CRU, model.wanted, add=T, col='black', pch=leg[i-2], pcex=1, normalize=T) 
     } 

    # add legend 
    legend(x='top', 
    legend=names(dat)[3:length(names(dat))], 
    pch=leg, pt.cex=1,ncol=2) 

}) 

Любые направления на то, что я должен ли это сделать? Должен ли я сохранять графики в разных объектах и ​​организовывать их после функции lapply?

Вот выдержка из моих данных:

require(plotrix) 
require(plyr) 

cloud <- structure(list(date = structure(c(0, 31, 59, 90, 120, 151), class = "Date"), 
    CRU = c(67.6552579213225, 64.8199295882443, 67.6882136843717, 
    64.4932343486913, 62.0941221490892, 59.9333537425379), CanESM2 = c(66.972917385659, 
    71.4248852462099, 65.1381412601471, 67.1597958635029, 62.9675122718923, 
    65.6251207369531), `GFDL-ESM2M` = c(62.5805390942166, 62.8894567998808, 
    60.5108804320452, 64.7156850235086, 61.0681295548824, 64.5205937542971 
    ), `GISS-E2-H` = c(61.6562727435151, 63.6979377938432, 61.934720028102, 
    62.9147267351652, 62.9400740659167, 64.0185837954248), `GISS-E2-R-CC` = c(63.0442187081722, 
    60.0853062955399, 60.9436761706614, 60.8772572772824, 61.7701362701327, 
    59.043906825997), `GISS-E2-R` = c(59.6711430384541, 62.8334974371481, 
    63.0131761539749, 61.7294481121309, 62.2555191908942, 61.5088982333356 
    ), `HadGEM2-AO` = c(54.154605609548, 53.5172215357719, 54.4719170376292, 
    50.5503675739528, 51.8468629765371, 56.0233048048772), `HadGEM2-CC` = c(55.2767160056209, 
    55.4545621321912, 48.5067733614208, 49.7513141190709, 52.4741278958181, 
    49.7424716037677), `IPSL-CM5A-MR` = c(66.7466522042235, 63.6054491778145, 
    61.935661862022, 61.245452060337, 58.9980974818949, 60.1933125803763 
    ), `IPSL-CM5B-LR` = c(61.5338846590087, 65.7333456200048, 
    67.3005378140901, 61.2494067126826, 62.0015259754588, 65.9300494528375 
    ), MIROC4h = c(56.6392694529316, 56.7074476707051, 51.0562354028364, 
    51.0794469888308, 52.1698227633231, 54.4719042536529), `MRI-CGCM3` = c(63.6631087715584, 
    61.2187020278953, 59.3379579304255, 56.2363349944667, 56.8857660830788, 
    55.78558572393), `NorESM1-M` = c(65.0169360325908, 62.0288071442766, 
    57.6896775396247, 54.8514090107477, 55.3626083968536, 54.2549283168748 
    ), `bcc-csm1-1-m` = c(56.3135573432878, 53.4686209116205, 
    56.6030430885226, 55.732017360598, 51.6051707954295, 53.9728077055279 
    ), `bcc-csm1-1` = c(58.3639905689753, 59.9757869293257, 59.9353082093579, 
    58.3831427846875, 58.2989891237962, 61.5507059627109), inmcm4 = c(70.8259646403441, 
    69.1040767391383, 64.5515271993269, 64.6499744101575, 67.712215046297, 
    67.1942041779122)), .Names = c("date", "CRU", "CanESM2", 
"GFDL-ESM2M", "GISS-E2-H", "GISS-E2-R-CC", "GISS-E2-R", "HadGEM2-AO", 
"HadGEM2-CC", "IPSL-CM5A-MR", "IPSL-CM5B-LR", "MIROC4h", "MRI-CGCM3", 
"NorESM1-M", "bcc-csm1-1-m", "bcc-csm1-1", "inmcm4"), row.names = 1441:1446, class = "data.frame") 

rhum <- structure(list(date = structure(c(0, 31, 59, 90, 120, 151), class = "Date"), 
    CRU = c(73.071142795189, 72.116517171492, 75.4633207613727, 
    74.9045111133869, 74.5648160247136, 75.5390179521703), CanESM2 = c(82.1738954084519, 
    84.2968531301844, 83.2241528402853, 82.4713266361527, 81.9882784900331, 
    82.2132649960434), `GFDL-ESM2M` = c(76.1144124999242, 75.513665275741, 
    73.7942696812278, 76.1981389223065, 77.0376873674448, 77.2976291681033 
    ), `GISS-E2-H` = c(73.1633360881694, 73.7535375028465, 73.723200571049, 
    72.6744510703059, 72.5031851158365, 72.5837847137451), `GISS-E2-R-CC` = c(71.1623239923221, 
    71.5630121183116, 71.9035651911908, 71.8883493576273, 72.1201485964011, 
    71.100014834153), `GISS-E2-R` = c(72.9110190015648, 73.3857936309234, 
    72.300836242765, 73.3048428362573, 72.5734859763251, 73.6193392333092 
    ), `HadGEM2-AO` = c(71.7564950985936, 72.6083887837505, 72.7375342461659, 
    72.740344318256, 71.66267194681, 73.9705993920042), `HadGEM2-CC` = c(71.7338096720155, 
    73.4017465092843, 72.2130968345954, 69.8187574099937, 71.6096575044331, 
    70.2428292344746), `IPSL-CM5A-MR` = c(78.288059507225, 77.7982102562531, 
    77.9391756146972, 77.3570118881806, 76.9254102912144, 78.1113354206643 
    ), `IPSL-CM5B-LR` = c(75.3990921536942, 77.3814960362618, 
    77.868640870546, 75.6332361338431, 75.5473474519295, 76.3470846818623 
    ), MIROC4h = c(79.4069241143388, 80.0844909618891, 79.6346667043229, 
    79.0549592401828, 78.8346751581159, 81.0161486809714), `MRI-CGCM3` = c(81.8501322783085, 
    81.2568695034897, 80.4855355377643, 78.7182931088007, 78.8133439352917, 
    79.2912475172121), `NorESM1-M` = c(78.3120701427348, 77.4754017090379, 
    78.7131021740562, 78.1530052865458, 77.5852423941183, 78.1157005267673 
    ), `bcc-csm1-1-m` = c(70.2950344625551, 69.4160485183984, 
    71.8456119878669, 70.8761688262538, 69.9851922515958, 70.2416348498607 
    ), `bcc-csm1-1` = c(70.8614835346512, 70.4910287544741, 71.8480513221339, 
    70.8844927347194, 68.8084697254917, 71.9636850577907), inmcm4 = c(78.5251270969012, 
    78.1160855633474, 77.6402386801424, 78.1458952445315, 80.520200454645, 
    81.1088210504097)), .Names = c("date", "CRU", "CanESM2", 
"GFDL-ESM2M", "GISS-E2-H", "GISS-E2-R-CC", "GISS-E2-R", "HadGEM2-AO", 
"HadGEM2-CC", "IPSL-CM5A-MR", "IPSL-CM5B-LR", "MIROC4h", "MRI-CGCM3", 
"NorESM1-M", "bcc-csm1-1-m", "bcc-csm1-1", "inmcm4"), row.names = 1441:1446, class = "data.frame") 

prec <- structure(list(date = structure(c(0, 31, 59, 90, 120, 151), class = "Date"), 
    CRU = c(5.49765705623559, 4.77359806046721, 5.62158322758403, 
    4.67963243680965, 4.2224734968374, 3.36206455563072), CanESM2 = c(4.79841013514418e-05, 
    5.37084366300876e-05, 4.72436063370894e-05, 5.07240040760987e-05, 
    4.37060840171321e-05, 4.41549152620003e-05), `GFDL-ESM2M` = c(6.3110190671931e-05, 
    5.65601672228163e-05, 5.67905323120218e-05, 5.58747174119601e-05, 
    5.10299194571122e-05, 5.14087758533192e-05), `GISS-E2-H` = c(4.40334130183662e-05, 
    5.78179278927125e-05, 5.76373298150557e-05, 5.13821649194105e-05, 
    5.06616003234137e-05, 4.60405440060584e-05), `GISS-E2-R-CC` = c(4.61461863558762e-05, 
    4.68618486326754e-05, 4.74821135265079e-05, 4.96532111588744e-05, 
    4.66607892112438e-05, 4.53600483364368e-05), `GISS-E2-R` = c(4.2961224350566e-05, 
    4.73954128346998e-05, 4.55096010495126e-05, 4.86006751348426e-05, 
    4.62571152892935e-05, 4.80067136455394e-05), `HadGEM2-AO` = c(4.50663401267986e-05, 
    4.40587125943942e-05, 5.41502610411833e-05, 4.86846159373331e-05, 
    4.85895249255265e-05, 4.72307926738793e-05), `HadGEM2-CC` = c(4.95938421491449e-05, 
    5.13035752101009e-05, 3.91581380304816e-05, 4.72639322614053e-05, 
    4.97923195981998e-05, 4.55380785145821e-05), `IPSL-CM5A-MR` = c(4.53951482623454e-05, 
    4.92054317849646e-05, 4.50621633685784e-05, 4.64624592856241e-05, 
    4.61646753878609e-05, 4.31003875327151e-05), `IPSL-CM5B-LR` = c(4.17308168575824e-05, 
    5.44154765751375e-05, 6.03962372881687e-05, 4.75167315044657e-05, 
    4.53351027522876e-05, 4.82428198335856e-05), MIROC4h = c(5.41267226016149e-05, 
    5.48366948503037e-05, 3.91468390362469e-05, 4.19957443512316e-05, 
    4.23787540871146e-05, 4.59629308941648e-05), `MRI-CGCM3` = c(5.67073841622448e-05, 
    6.00310012922815e-05, 5.07071712055857e-05, 4.64848152199045e-05, 
    4.70707970739826e-05, 4.64690827108151e-05), `NorESM1-M` = c(5.75674811670015e-05, 
    4.47625188467447e-05, 4.30881349345795e-05, 4.36944636932066e-05, 
    3.76844750636054e-05, 4.15962233582706e-05), `bcc-csm1-1-m` = c(4.39661514721367e-05, 
    3.6267821524052e-05, 4.96688538581108e-05, 4.90777169791919e-05, 
    4.50199953206488e-05, 5.09378733154497e-05), `bcc-csm1-1` = c(4.36386251524885e-05, 
    4.26126923570228e-05, 4.66884100523015e-05, 4.91951448592167e-05, 
    4.72643404938543e-05, 4.92076636119263e-05), inmcm4 = c(4.7871848561418e-05, 
    4.65707714989636e-05, 4.22968050234147e-05, 4.66198387367896e-05, 
    4.72156627251913e-05, 4.97391754662504e-05)), .Names = c("date", 
"CRU", "CanESM2", "GFDL-ESM2M", "GISS-E2-H", "GISS-E2-R-CC", 
"GISS-E2-R", "HadGEM2-AO", "HadGEM2-CC", "IPSL-CM5A-MR", "IPSL-CM5B-LR", 
"MIROC4h", "MRI-CGCM3", "NorESM1-M", "bcc-csm1-1-m", "bcc-csm1-1", 
"inmcm4"), row.names = 1441:1446, class = "data.frame") 

temp <- structure(list(date = structure(c(0, 31, 59, 90, 120, 151), class = "Date"), 
    CRU = c(296.434223174652, 296.551152609827, 295.79685902342, 
    295.167607530997, 293.372857798867, 292.000823511404), CanESM2 = c(294.090026903654, 
    294.048913615266, 293.927266376339, 292.923982638532, 291.957568370083, 
    290.557879524454), `GFDL-ESM2M` = c(294.587617285656, 295.170026368258, 
    294.699185428731, 293.39897071883, 291.958153620491, 290.823281496282 
    ), `GISS-E2-H` = c(296.045575347365, 295.993069888109, 295.901643246656, 
    294.701849734658, 292.999441203513, 291.91942751522), `GISS-E2-R-CC` = c(295.225379535162, 
    295.585000105295, 295.330113525391, 294.238700231362, 292.708886065567, 
    291.756369528966), `GISS-E2-R` = c(294.794358359889, 295.510733017949, 
    295.185885248909, 294.214823331777, 292.880296472025, 291.535325179965 
    ), `HadGEM2-AO` = c(294.945626152886, 295.335533520436, 294.719626134683, 
    294.040903554102, 292.615202968664, 291.228220812703), `HadGEM2-CC` = c(294.22197507981, 
    294.441414809199, 294.401702411495, 293.49032785516, 292.14932653059, 
    290.87190355089), `IPSL-CM5A-MR` = c(293.578417786715, 293.78668991892, 
    293.352080970452, 292.406195291441, 290.799876584059, 289.835797813371 
    ), `IPSL-CM5B-LR` = c(294.73205410606, 295.119550463582, 
    294.817129682574, 293.711843713236, 292.056669504266, 290.864620461269 
    ), MIROC4h = c(294.70635495013, 294.670434784471, 294.147371413917, 
    293.527049790767, 292.226820807206, 291.332287333528), `MRI-CGCM3` = c(294.933276968616, 
    294.879510125054, 294.846681027775, 293.857122733133, 292.572892091985, 
    290.789874549553), `NorESM1-M` = c(293.444156356722, 293.137026285093, 
    293.051839199847, 292.416654266893, 291.405479215209, 290.793948976394 
    ), `bcc-csm1-1-m` = c(295.051305850737, 295.442825940227, 
    295.005397121139, 294.329125025342, 293.283857271964, 292.067603042335 
    ), `bcc-csm1-1` = c(294.754791763038, 295.030755277935, 294.58344368204, 
    293.739068664194, 292.679743609512, 291.334636694479), inmcm4 = c(293.541987832945, 
    293.698833764506, 293.124162988495, 292.419409972074, 290.939433379592, 
    290.38564940157)), .Names = c("date", "CRU", "CanESM2", "GFDL-ESM2M", 
"GISS-E2-H", "GISS-E2-R-CC", "GISS-E2-R", "HadGEM2-AO", "HadGEM2-CC", 
"IPSL-CM5A-MR", "IPSL-CM5B-LR", "MIROC4h", "MRI-CGCM3", "NorESM1-M", 
"bcc-csm1-1-m", "bcc-csm1-1", "inmcm4"), row.names = 1441:1446, class = "data.frame") 

# create list with data frames 
alldat <- list(cloud, prec, rhum, temp) 

Answer 1

Есть несколько механизмов для ведения мульти-графики с использованием базовых графики. ggplot2 и lattice имеют разные методы; кто-то другой должен будет помочь с этим, если вы наклоняетесь таким образом.

par(mfrow)

Вы можете установить даже сетку участков с (например) par(mfrow=c(2,2)) установить 2х2 сетку участков, черчения по рядам первым. Вы можете в качестве альтернативы использовать par(mfcol=c(2,2)), причем разница заключается в том, что сначала заполняются столбцы. Независимо от того, вы запускаете эту команду один раз, затем запустите свой l_ply выше с четырьмя сюжетами, и он просто отправляется в город.

Поверхность заключается в том, что это тривиально использовать. Недостатком является то, что все графики одного размера. Например, сопоставление с вашим ключом, как описано выше, было бы невозможным. Например, вы всегда можете установить поля для каждой сетки, но некоторые другие вещи немного менее гибкие.

layout()

Это отличная альтернатива, хотя это займет немного больше настроек. Одна из самых больших вещей, которые он позволяет вам сделать, это разная ширина/высота, а также многостолбцовые интервалы. Ваш ключ выше не составит труда. Я бы, вероятно, установить его с чем-то вроде:

mtx <- matrix(c(1, 2, 5, 
       3, 4, 5), byrow=TRUE, nrow=2) 
layout(mtx, heights=c(1,1), widths=c(3,3,2)) 
## optional, will need to re-run layout() and not do this for actual plots 
layout.show(n=6) 

Числа порядков участков, так что вы можете увидеть, что ваш пятый (из пяти) участков составляет две ячейки высоты. Вы можете иметь пустые (проигнорированные) ячейки со значением 0. Все должны быть целыми числами 0 или больше, нет NA s, без пропущенных номеров.

В вашем примере вы должны запустить этот код перед своим l_ply, и после этого у вас будет еще один сюжет, чтобы собрать ключ.

За счет немного больше настроек, чем par(mfrow), это отличный инструмент. Одно огромное преимущество, которое мне нравится, это то, что у меня может быть легенда/ключ, как и выше, без всяких сомнений, что мои изображения будут иметь одинаковые размеры (где одна альтернатива должна играть с par(mar), пока у вас не будет достаточно места вне области рисунка).

par(fig)

Это фактически позволяет перекрывать участки. Это может быть очень запутанным. Я оставлю это в качестве упоминания и призываю вас провести исследование, если вы думаете, что хотите получить сумасшедший с сюжетами. Нет, действительно, это весело, но может быть очень запутанным.