如何在ggplot中高效制作带多图例的大型热图？

一、数据预处理：统一结构与标注 #

• 提前按数据类型（数值/分类）、单位分组整理列，给每列附加单位元数据（可在列名后标注或单独存为向量），避免后续重复编辑单位标签
• 以palmerpenguins为例，整理为长格式时保留数据类型标识：

  library(tidyverse)
  library(palmerpenguins)
  
  penguins_long <- penguins %>%
    mutate(across(where(is.numeric), ~scale(.) %>% as.vector())) %>% # 标准化数值列
    pivot_longer(-c(species, island, sex, year), 
                 names_to = "metric", 
                 values_to = "value") %>%
    mutate(unit = case_when(
      str_detect(metric, "bill") ~ "mm",
      str_detect(metric, "flipper") ~ "mm",
      str_detect(metric, "body_mass") ~ "g"
    ),
    data_type = if_else(is.numeric(value), "numeric", "categorical"))
  

二、自定义统一图例系统 #

• 用ggplot2的guides()函数统一控制所有图例的样式、位置，避免子图拼接后图例分散重复：
  • 数值型热图用guide_colorbar()设置统一的颜色条长度、标签格式（直接带上单位）
  • 分类型热图用guide_legend()设置统一的符号大小、排列方式

  # 数值型颜色条配置
  num_colorbar <- guide_colorbar(title.position = "top", 
                                 barwidth = 20, 
                                 barheight = 1,
                                 label = function(x) paste0(x, " (z-score)"))
  # 分类型图例配置
  cat_legend <- guide_legend(title.position = "top", 
                             nrow = 1,
                             label.position = "bottom")
  

三、分块热图的整合与对齐 #

• 用facet_grid()替代部分patchwork拼接，让同类型、同单位的热图共享坐标轴和图例：

  # 数值型热图分块展示
  num_plot <- penguins_long %>%
    filter(data_type == "numeric") %>%
    ggplot(aes(x = metric, y = species, fill = value)) +
    geom_tile(color = "white", size = 0.5) +
    facet_grid(~unit, scales = "free_x", space = "free_x") +
    scale_fill_viridis_c(guide = num_colorbar) +
    theme_minimal() +
    theme(axis.text.x = element_text(angle = 45, hjust = 1))
  
  # 分类型热图
  cat_plot <- penguins_long %>%
    filter(data_type == "categorical") %>%
    ggplot(aes(x = metric, y = species, fill = value)) +
    geom_tile(color = "white", size = 0.5) +
    scale_fill_brewer(palette = "Set2", guide = cat_legend) +
    theme_minimal()
  

• 用patchwork的plot_layout()统一收集并放置所有图例，减少SVG中重复图例的删除工作：

  library(patchwork)
  combined_plot <- num_plot / cat_plot +
    plot_layout(guides = "collect") &
    theme(legend.position = "bottom")
  

四、导出优化的SVG文件 #

• 导出时提前设置好所有文本样式（字体、大小、颜色），关闭多余的背景网格和边框，减少后续SVG编辑量：

  theme_set(theme_minimal(base_family = "Arial", base_size = 10))
  
  ggsave("penguins_heatmap.svg", combined_plot, 
         width = 12, height = 8, dpi = 300,
         bg = "white")
  

五、复杂数据类型的进阶处理 #

• 对混合连续/离散、多单位的极端复杂列，用scale_fill_manual()结合colorspace包的调色板，确保不同类型区块的颜色区分度一致
• 用annotation_custom()在热图区块上方直接添加单位标签，替代后续SVG中的手动文本插入

内容的提问来源于stack exchange，提问作者shu251