添加到拼凑而成的 grobs 的控制填充

这是 this question 的后续问题。 OP 要求一种以特定距离排列部分情节的方法。我认为 teunbrand 给出了很好的答案。

我自己的建议(用牛图提取图例,并以所需的比例将它们缝合到一个图上)并不完全令人满意,因为在给定的例子中它只是“偶然”起作用 - 图例标签足够长图例进入第三个图的视口。

更短的标签暴露了这个问题——当添加一个 grob 时,拼凑在这个 grob 的中心,基本上是向所有边均匀填充。

我的问题是,您知道控制这种填充行为的方法吗?

Cowplot(或任何其他 ggplot 组合包)也非常受欢迎。

library(tidyverse)
library(patchwork)
data <- midwest %>% 
  head(5) %>% 
  select(2,23:25) %>%
  pivot_longer(cols=2:4,names_to="Variable",values_to="Percent") %>% 
  mutate(Variable=factor(Variable,levels=c("percbelowpoverty","percchildbelowpovert","percadultpoverty"),labels = paste0("perc",1:3)))

p1 <- 
  ggplot(data=data,mapping=aes(x=county,y=Percent,fill=Variable)) +
  geom_col() + 
  scale_fill_manual(values = c("#CF232B","#942192","#000000")) +
  theme(legend.background = element_rect(fill = "grey50"))

p_legend <- cowplot::get_legend(p1)

p_main <- p1 <- 
  ggplot(data=data,fill=Variable)) +
  geom_col(show.legend = FALSE) + 
  scale_fill_manual(values = c("#CF232B","#000000"))

p_main + plot_spacer() + p_legend + 
  plot_layout(widths = c(12.5,1.5,4)) &
  theme(plot.margin = margin(),plot.background = element_rect(colour = "black"))

不太理想的结果 - 图例 grob(灰色背景)应与左图边框(黑线)对齐

添加到拼凑而成的 grobs 的控制填充

reprex package (v1.0.0) 于 2021 年 4 月 9 日创建

qwer879 回答:添加到拼凑而成的 grobs 的控制填充

据我所知,问题不在 patchwork 一方。查看图例 gtable 的布局,我们看到它由 5 行 5 列组成,并且图例将放置在中心的单元格中:

p_legend <- cowplot::get_legend(p1)
p_legend
#> TableGrob (5 x 5) "guide-box": 2 grobs
#>                                     z     cells                  name
#> 99_a788e923bf245af3853cee162f5f8bc9 1 (3-3,3-3)                guides
#>                                     0 (2-4,2-4) legend.box.background
#>                                               grob
#> 99_a788e923bf245af3853cee162f5f8bc9 gtable[layout]
#>                                     zeroGrob[NULL]
gtable::gtable_show_layout(p_legend)

因此,添加图例时 patchwork 中心是 gtable 布局的要求。

控制图例的定位或填充的一个选项是通过 cowplot::gtable_squash_cols 压缩第一列,如果需要,通过添加具有所需填充量的新列通过 {{1} }:

gtable::gtable_add_cols

本文链接:https://www.f2er.com/608795.html

大家都在问