R语言绘图进阶：五大工具高效组合多图（cowplot、patchwork、layout、par、gridExtra）

原创

于 2026-02-27 07:20:54 发布 · 186 阅读

标签

1. 为什么你需要学会组合多张图？

如果你用R语言画图，尤其是用ggplot2，肯定遇到过这样的场景：辛辛苦苦画好了三张漂亮的散点图、柱状图和箱线图，想把它们并排放在一起，塞进论文或者报告的一页PPT里。这时候你怎么办？截图，然后用PPT或者PS手动对齐？相信我，我十年前也这么干过，结果就是每次数据一更新，所有图都得重新截图、重新对齐，效率低到让人抓狂，还容易出错。

后来我发现，R语言里其实藏着好几把“瑞士军刀”，专门用来解决多图组合排版这个痛点。它们能让你在代码里就定义好布局，一键生成排版完美的组合图。数据更新了？重新运行一遍代码就行，完全自动化。这对于需要反复修改的科研论文、数据分析报告或者动态看板来说，简直是救命稻草。

今天我要跟你深入聊的，就是R语言里最主流的五把“军刀”：cowplot、patchwork、layout、par() 和 gridExtra。它们各有各的脾气和擅长领域。有的像“傻瓜相机”，简单两行代码就能搞定；有的像“单反相机”，参数复杂但能实现极其精细的控制。选对了工具，你的工作效率能提升好几倍。这篇文章，我就结合我这些年踩过的坑和实战经验，带你把这五个工具彻底搞明白，让你以后面对任何组合图需求，都能游刃有余。

2. 初代网红与经典之选：gridExtra

咱们先从资格比较老的 gridExtra 包说起。在很多早期的R语言绘图教程里，它几乎是组合ggplot2图形的标准答案。它的核心函数是 grid.arrange()，思路非常直观：你把要组合的图一个个放进去，然后告诉它排成几行几列就行了。

2.1 基础用法：快速搭建网格

假设我们已经用ggplot2画了四个图，分别存在 p1, p2, p3, p4 这四个对象里。用 grid.arrange() 把它们排成一个2x2的网格，代码简单到令人发指：

library(ggplot2)
library(gridExtra)

# 假设p1, p2, p3, p4是四个已经创建好的ggplot对象
grid.arrange(p1, p2, p3, p4, ncol = 2, nrow = 2)

运行这行代码，一个整齐的四宫格图就生成了。ncol 和 nrow 参数让你可以自由定义网格结构，比如 ncol=1, nrow=4 就是四个图竖着排一列。我刚开始用的时候觉得这太方便了，终于不用手动调了。

但是，用久了就会发现一些问题。比如，这四个图如果坐标轴刻度范围差异很大，直接拼在一起会显得很不协调，有的图挤在一角，有的图又铺得很满。grid.arrange() 默认不会去统一协调各个子图的轴限或图例，它更像一个“物理拼图师”，只负责把画好的图块按位置放好，不关心它们内部的“美学统一”。

2.2 进阶控制与局限

当然，grid.arrange() 也提供了一些参数进行微调，比如 widths 和 heights，可以指定每一列和每一行的相对宽度和高度比例。这在你想突出某个图的时候很有用。

# 让第一列宽度是第二列的两倍，第一行高度是第二行的三倍
grid.arrange(p1, p2, p3, p4,
             ncol = 2, nrow = 2,
             widths = c(2, 1),
             heights = c(3, 1))

不过，它的局限性也很明显。首先，对ggplot2图形对象的兼容性虽然好，但如果你想混合基础图形（比如用基础plot()函数画的图）和ggplot2图形，就会比较麻烦，可能需要先转换。其次，它的语法在应对复杂嵌套布局时，会变得有点啰嗦和难以阅读。最重要的是，它缺少一些“智能化”的特性，比如自动对齐坐标轴、统一收集图例等，这些都需要你自己额外写代码处理。

所以，gridExtra 适合一些简单的、对排版精度要求不高的快速拼接场景。它是一个可靠的老兵，但在如今有了更多新锐工具的情况下，它的很多工作可以被更优雅地