Disposez des ggplots indépendants dans une seule figure avec patchwork — en direct dans votre navigateur
Apprenez à combiner plusieurs ggplots en une seule figure dans R — placez les graphiques côte à côte ou empilés avec patchwork, construisez des mises en page personnalisées, ajoutez des étiquettes de panneau et regroupez une légende partagée. Modifiez et exécutez le code en direct, sans installation.
facet_wrap() / facet_grid() (intégrés à ggplot2).p1 + p2 place les graphiques côte à côte ; p1 / p2 les empile ; mélangez avec | et () pour des mises en page personnalisées.plot_annotation().plot_layout(guides = "collect").Une seule figure qui présente plusieurs graphiques ensemble raconte une histoire plus riche — et il y a deux tâches distinctes. Lorsque les panneaux sont le même type de graphique réparti par groupe, le facettage intégré à ggplot2 est l’outil adapté. Lorsque vous voulez combiner des graphiques indépendants (un nuage de points à côté d’une boîte à moustaches à côté d’un histogramme), tournez-vous vers patchwork — il vous permet d’assembler des ggplots avec des opérateurs intuitifs. Cette leçon couvre patchwork ; les figures sont rendues ici même, et vous pouvez réexécuter ou modifier chacune d’elles en direct.
Nous construisons de petits graphiques à partir des jeux de données intégrés mtcars, ToothGrowth et iris.
Construisez chaque ggplot comme un objet, puis combinez : + les dispose côte à côte, / les empile.
library(ggplot2)
library(patchwork)
p1 <- ggplot(mtcars, aes(wt, mpg)) +
geom_point(colour = "#3a86d4") + theme_minimal()
p2 <- ggplot(ToothGrowth, aes(factor(dose), len)) +
geom_boxplot(fill = "#3a86d4", alpha = 0.7) + theme_minimal()
p1 + p2 # side by side
Remplacez + par / pour empiler verticalement les deux mêmes graphiques :
library(ggplot2)
library(patchwork)
p1 <- ggplot(mtcars, aes(wt, mpg)) +
geom_point(colour = "#3a86d4") + theme_minimal()
p2 <- ggplot(ToothGrowth, aes(factor(dose), len)) +
geom_boxplot(fill = "#3a86d4", alpha = 0.7) + theme_minimal()
p1 / p2 # stacked
Combinez les opérateurs avec des parenthèses pour construire une mise en page — ici, deux graphiques en haut et un graphique large en dessous. plot_layout() affine les tailles relatives.
library(ggplot2)
library(patchwork)
p1 <- ggplot(mtcars, aes(wt, mpg)) +
geom_point(colour = "#3a86d4") + theme_minimal()
p2 <- ggplot(ToothGrowth, aes(factor(dose), len)) +
geom_boxplot(fill = "#3a86d4", alpha = 0.7) + theme_minimal()
p3 <- ggplot(faithful, aes(waiting)) +
geom_histogram(bins = 30, fill = "#3a86d4", alpha = 0.7) + theme_minimal()
(p1 | p2) / p3
plot_annotation() ajoute un titre pour l’ensemble de la figure et étiquette automatiquement chaque panneau — tag_levels = "A" donne A, B, C (utilisez "1" pour des chiffres).
library(ggplot2)
library(patchwork)
p1 <- ggplot(mtcars, aes(wt, mpg)) +
geom_point(colour = "#3a86d4") + theme_minimal()
p2 <- ggplot(ToothGrowth, aes(factor(dose), len)) +
geom_boxplot(fill = "#3a86d4", alpha = 0.7) + theme_minimal()
(p1 + p2) +
plot_annotation(title = "Two views of two datasets", tag_levels = "A")
Lorsque les graphiques combinés partagent la même légende, plot_layout(guides = "collect") fusionne les doublons en une seule légende.
library(ggplot2)
library(patchwork)
a <- ggplot(iris, aes(Sepal.Length, Sepal.Width, colour = Species)) +
geom_point() + scale_colour_viridis_d() + theme_minimal()
b <- ggplot(iris, aes(Species, Petal.Length, fill = Species)) +
geom_boxplot() + scale_fill_viridis_d() + theme_minimal()
(a + b) + plot_layout(guides = "collect")
Ne vous tournez pas vers patchwork lorsqu’un seul jeu de données a simplement besoin de panneaux par groupe — c’est du facettage, intégré à ggplot2 :
library(ggplot2)
ggplot(iris, aes(Sepal.Length, Sepal.Width)) +
geom_point(colour = "#3a86d4") +
facet_wrap(~ Species) +
theme_minimal()
Utilisez les facettes pour un seul jeu de données réparti par variable ; utilisez patchwork pour des graphiques indépendants. Pour des arrangements prêts à publier, vous pourrez aussi rencontrer ggpubr::ggarrange() — la même idée, un package différent.
Les graphiques ci-dessus ont été rendus au moment de la construction. Envie d’expérimenter ? Modifiez le code et appuyez sur Run — il s’exécute dans votre navigateur via webR (sans serveur, sans installation).
Vous travaillez en Python ? Un guide matplotlib des subplots arrive dans la série Python.
Demandez à Prova « comment rendre le graphique de gauche deux fois plus large que celui de droite dans patchwork ? » — elle répond avec du code que vous pouvez exécuter, pour que la mise en page soit reproductible. The runtime is the judge. Demander à Prova →
Utilisez facet_wrap() / facet_grid() lorsqu’un seul jeu de données est réparti en panneaux par une variable de regroupement (même type de graphique, échelles partagées). Utilisez patchwork (p1 + p2) lorsque vous voulez combiner des graphiques indépendants — par exemple un nuage de points à côté d’une boîte à moustaches construits à partir de données différentes.
Construisez chaque graphique comme un objet, puis combinez-les avec + : p1 + p2 dispose les deux graphiques côte à côte dans une seule figure. Cela nécessite le package patchwork chargé avec library(patchwork).
Utilisez l’opérateur / : p1 / p2 empile les graphiques l’un au-dessus de l’autre. Vous pouvez mélanger +, /, | et des parenthèses — par exemple (p1 | p2) / p3 — pour construire des mises en page personnalisées.
Ajoutez plot_annotation(tag_levels = "A") au graphique combiné, comme dans (p1 + p2) + plot_annotation(tag_levels = "A"). Utilisez tag_levels = "1" pour des étiquettes numériques, et le même appel à plot_annotation() accepte un title = pour un titre d’ensemble de la figure.
Lorsque les graphiques combinés partagent la même légende, ajoutez plot_layout(guides = "collect") — par exemple (a + b) + plot_layout(guides = "collect") — et patchwork regroupe les légendes en double en une seule.
Complétez le code pour que les deux graphiques soient empilés (l’un au-dessus de l’autre) et étiquetés A, B.
# Stack with p1 / p2, then add plot_annotation(tag_levels = "A")library(ggplot2)
library(patchwork)
p1 <- ggplot(mtcars, aes(wt, mpg)) + geom_point() + theme_minimal()
p2 <- ggplot(ToothGrowth, aes(factor(dose), len)) + geom_boxplot() + theme_minimal()
(p1 / p2) + plot_annotation(tag_levels = "A")
library(ggplot2)
library(patchwork)
p1 <- ggplot(mtcars, aes(wt, mpg)) + geom_point() + theme_minimal()
p2 <- ggplot(ToothGrowth, aes(factor(dose), len)) + geom_boxplot() + theme_minimal()
(p1 / p2) + plot_annotation(tag_levels = "A")Vous avez combiné des ggplots indépendants en une seule figure avec patchwork — côte à côte, empilés, dans des mises en page personnalisées, avec un titre de figure, des étiquettes de panneau et une légende partagée — et vous avez vu quand utiliser plutôt le facettage. Ensuite, revoyez les facettes pour les panneaux d’un même jeu de données, et explorez le reste de la grammaire de ggplot2.
Vous préférez un livre ? GGPlot2 Essentials est disponible en PDF téléchargeable — toutes les leçons de cette série, hors ligne et à vous.
Prouvez que vous savez le faire. Maîtrisez toute la série ggplot2 — suivez votre parcours, construisez des projets et obtenez un certificat.
Passez à Pro — Prova illimité sur vos propres données et un certificat vérifiable qui atteste la compétence.
dès 15 $/mois facturé annuellement
✓ Vous êtes Pro — continuez. The runtime is the judge.
Prêt à passer à la vitesse supérieure ?
Cette leçon est reproductible : les figures sont exécutées au moment de la construction (si elles s’affichent, le code fonctionne), et le bac à sable et le quiz se réexécutent en direct dans votre navigateur. The runtime is the judge.
@online{2026,
author = {},
title = {Combiner plusieurs ggplots dans R : guide patchwork},
date = {2026-06-20},
url = {https://www.datanovia.com/learn/data-visualization/ggplot2/combine-plots},
langid = {fr}
}