如何将4种表型的绘图合并为带共用连续刻度图例的2×2组合图？

方案一：长数据分面法（最优，从根源避免图例不一致） #

这是最直接高效的方法，通过数据格式转换+ggplot分面实现，自动共用统一图例，彻底规避单独绘图后合并的图例偏差问题。

1. 数据整理：宽格式转长格式
   把分散在不同列的四个表型数据，合并到同一数据框，新增phenotype列标记表型类型（WHR/BMI/BF/WC）。假设原数据框wide_df包含各表型对应的Estimate、p_value、sig_mark（显著性标记）及横轴变量（如SNP）：

library(tidyr)
library(dplyr)

# 转换为长格式（适配多表型统一绘图）
long_df <- wide_df %>%
  # 拆分表型相关列，生成phenotype标记列
  pivot_longer(
    cols = ends_with(c("_Est", "_p", "_sig")),
    names_pattern = "(.*)_(.*)",
    names_to = c("phenotype", ".value")
  )

注：如果原数据是每个表型单独占一列，可根据实际列名调整pivot_longer的参数，核心是让所有表型的Estimate、p值、显著性标记对应到同一列下，用phenotype区分。

2. 绘制2×2分面组合图
   用ggplot2的facet_wrap实现2列布局，所有表型自动共用Estimate填充色和p值区间点大小的图例：

library(ggplot2)

# 统一p值区间分组（和你单表型绘图的分组逻辑完全一致）
long_df <- long_df %>%
  mutate(p_group = case_when(
    p < 1e-6 ~ "p < 1e-6",
    p < 1e-4 ~ "1e-6 ≤ p < 1e-4",
    p < 0.05 ~ "1e-4 ≤ p < 0.05",
    TRUE ~ "p ≥ 0.05"
  ))

# 绘制组合图
combined_plot <- ggplot(long_df, aes(x = SNP, y = 你的纵轴变量)) +
  # 点：填充色绑定Estimate，大小绑定p值区间
  geom_point(aes(fill = Estimate, size = p_group), shape = 21, color = "black") +
  # 添加显著性标记（如星号）
  geom_text(aes(label = sig_mark), vjust = -1, size = 3) +
  # 统一设置Estimate色阶（和单表型绘图保持一致）
  scale_fill_gradient2(low = "blue", mid = "white", high = "red", midpoint = 0) +
  # 统一设置点大小的顺序和范围
  scale_size_discrete(breaks = c("p ≥ 0.05", "1e-4 ≤ p < 0.05", "1e-6 ≤ p < 1e-4", "p < 1e-6"),
                      range = c(1, 4)) +
  # 2×2分面布局
  facet_wrap(~ phenotype, ncol = 2) +
  # 主题调整，优化图例位置
  theme_bw() +
  theme(legend.position = "bottom",
        legend.box = "vertical")

print(combined_plot)

方案二：单独绘图后用patchwork合并（适需单独定制每个图的场景） #

如果每个表型的图需要单独调整（比如不同坐标轴标签），可用patchwork包合并，统一提取一个图例避免不一致：

1. 绘制单个表型图（隐藏各自图例）

library(patchwork)

# 绘制WHR图，隐藏自身图例
p_whr <- ggplot(whr_df, aes(x = SNP, y = 纵轴变量)) +
  geom_point(aes(fill = Estimate, size = p_group), shape = 21) +
  geom_text(aes(label = sig_mark)) +
  scale_fill_gradient2(low = "blue", mid = "white", high = "red", midpoint = 0) +
  scale_size_discrete(breaks = c("p ≥ 0.05", "1e-4 ≤ p < 0.05", "1e-6 ≤ p < 1e-4", "p < 1e-6"), range = c(1,4)) +
  theme_bw() +
  theme(legend.position = "none") +
  labs(title = "WHR")

# 同理绘制BMI、BF、WC图，命名为p_bmi, p_bf, p_wc，均隐藏图例

2. 提取统一图例并合并

# 从任意一个图提取标准图例（比如p_whr）
legend <- get_legend(p_whr + theme(legend.position = "bottom"))

# 合并四个图为2×2布局，自动收集统一图例
final_plot <- (p_whr + p_bmi) / (p_bf + p_wc) +
  plot_layout(guides = "collect") + # 关键：统一收集图例
  plot_annotation(tag_levels = 'A') # 可选：添加A/B/C/D分图标签

print(final_plot)

关键注意事项 #

• 无论用哪种方案，必须保证四个表型的Estimate色阶范围、p值区间分组规则完全一致，否则即使合并图例也会出现偏差；
• 分面法代码更简洁，自动同步所有映射规则，是优先推荐的方案；
• 用patchwork合并时，务必使用plot_layout(guides = "collect")统一图例，不要手动调整每个图的图例参数。

内容的提问来源于stack exchange，提问作者Dovini Jayasinghe