复现sci顶刊中的画中画（局部细节放大）

简介

小编在撰写学术论文时，为了突出所提模型的优越性，你可以通过放大图形中的局部位置来进行比较。尽管从全局来看，各个方法的拟合效果都还不错，但通过放大图中的特定区域，可以更清楚地展示所提模型相对于其他模型的优势。

图一：来自“Origin中绘制局部细节放大图的5种方法”

例如，你可以选择在图中放大一个具有显著差异的区域，或者突出显示所提模型在某个关键阶段的表现。通过这种方式，读者能够更加直观地观察所提模型的预测趋势，并对其在特定情况下的优越性有更深刻的理解（如上图）。这样的展示方式将有助于更全面地展示所提模型的独特优势，提高论文的可读性和说服力。

这种图在工业工程方向的顶级期刊中经常看到。本文小编将给出几种 R 中绘制局部细节放大图的方法。

注意：小编搜到过 matlab 和 Origin 绘制局部细节放大图的文章。但是很少看到有人写 R 相关的教程。

初级版本

这章节给出利用 ggplot 包绘制模拟数据的线性图。下一章节将会介绍两种细节放大方法。

模拟数据产生

这里以一个模拟数据作为例子，读者可以根据自身数据情况进行替换。

# 生成模拟数据
com_battery = data.frame("Time" = 1:30,"True" = cumsum(abs(rnorm(30,2,0.4))),"Proposed" = cumsum(abs(rnorm(30,2,0.5))),"Linear" = cumsum(abs(rnorm(30,2,0.4))), "Power" = cumsum(abs(rnorm(30,2,0.1))),"Exp" = cumsum(abs(rnorm(30,2,0.3))))

基础绘图

以时间作为 x 轴，各个模型拟合/预测值作为 y 轴。绘制出不同方法的拟合/预测对比图。

library(ggplot2)
library(tidyverse)
# 基础绘图
cols <- c("black","#85BA8F", "#A3C8DC","#349839","#EA5D2D","#EABB77","#F09594")
p = com_battery %>% pivot_longer(cols = !Time, names_to = "Model", values_to = "Value") %>%mutate(Model = factor(Model, levels = c("True", "Proposed", "Linear","Power","Exp"))) %>% ggplot(aes(Time,Value,col = Model,shape = Model)) + geom_line() + geom_point(size=1.5,alpha=0.8) + scale_color_manual(values = cols) +theme_bw() + theme(panel.grid = element_blank()) + #,legend.title=element_text(size=12), legend.text=element_text(size=11) +xlab("Time") + ylab("Rate(%)")

不同方法的拟合/预测对比图

可以看到，各个方法的拟合/预测结果非常接近。此时，可以通过放大局部细节来突出某个模型的优越性。

ggforce 包

ggforce 包中的 facet_zoom() 可以通过一行代码实现局部细节放大的效果。官网给出了各个参数的细节以及示例。

这里假设我们想对 xlim = c(18, 24),ylim = c(40, 43) 范围内的数据进行放大。只需要使用以下代码即可，其中 zoom.size = 0.4表示放大后的图形大小占比整个图的比例。

library(ggforce) 
p + facet_zoom(xlim = c(18, 24),ylim = c(40, 43), zoom.size = 0.4)

注意：当然还有其他几个参数可以调整，这里不做过多介绍。

如果你觉得这个图已经满足要求，并且美观程度还不错的话。那你就随意使用吧～但对于小编而言，这里的灰色框太奇怪了（不会改😭），而且整个构造也很突兀。

所以小编打算直接基于 ggplot 包的思想自己添加内容，并通过 patchwork 包对图进行合并，复现出类似图一的效果。

patchwork 包

基于 ggplot 包，我们再绘制一幅需要局部放大的图，只需在 xlim() 和 ylim() 上做文章，并去除标签和图例。

ppp = p + xlim(5,10) + ylim(10,20) + theme(legend.position = 'none') +xlab("") + ylab("")

之后将该图放到原图的合适位置即可，可以使用 patchwork 包中的 inset_element() 实现该功能。

注意：也可以使用cowplot包进行图形合并。相关推文见：合并多幅图形、利用 cowplot 包快速对齐图片。

library(patchwork)
p + inset_element(ppp, 0.01, 0.6, 0.6, 0.95, on_top = TRUE)

此时，基本完成了我们的要求，接下来进行一些细节处理：添加选择放大位置的框，添加指向箭头，修改图例位置等（注释在代码后）。

p +   geom_rect(aes(xmin = 5, xmax = 10, ymin = 10, ymax = 20),fill = "transparent", color = "black", alpha = 0, linetype = "dashed", linewidth =0.2) + #添加选择放大位置的框theme(legend.position = c(0.9,.2),legend.background = element_rect(fill = 'white', colour = 'black')) + #修改图例位置geom_segment(aes(x = 7, xend = 10, y = 20, yend = 38.3), col = "gray60", linewidth =0.2,linetype = "dashed",arrow = arrow(length = unit(0.2, "cm"), type = "closed")) + # 添加指向箭头inset_element(ppp, 0.01, 0.6, 0.6, 0.95, on_top = TRUE)

小编有话说

模拟数据绘制出的效果可能不是很好，本文主要是给出2种绘制局部细节的方法供大家参考。这是小编平常科研中出现的一种画图需求，防止后续还会使用类似图形，所以在这做个记录也分享给大家。
小编使用过 matlab 进行绘制这种图形，发现 matlab 可以互动式选择放大位置以及展示位置，非常方便。不知道这种功能是否可以借鉴到 R 中？
如果有更好的方法欢迎读者们评论留言。也欢迎大家一键三连～