答案嘛，就是自己画legend啊，你看看legend函数，还不是些简单的代码在画，自己画即可。不要被这些条条框框给套住。
从ggplot2拿legend 为了突破你的想像力，在此处甚至于我要给你个例子，用ggplot2来生成个legend，放在base plot上去。
自己画legend，有何不可？！如果base有现成的函数画图，而你只熟悉ggplot2，你甚至于可以互搞。而互搞，当然要借助于ggplotify包：《ggplotify简史》。
col = colorspace::rainbow_hcl(3) names(col) = unique(iris$Species) library(ggplotify) color = col[iris$Species] p = as.ggplot(~plot(iris$Sepal.Length, iris$Sepal.Width, col=color, pch=15)) library(ggplot2) p2 = ggplot(iris, aes(Sepal.Length, Sepal.Width, color=Species)) + geom_point() + scale_color_manual(values=col, name="") legend = cowplot::get_legend(p2) p + ggimage::geom_subview(x=.7, y=.6, subview=legend) 这里用base plot画了一个图，又用ggplot2画了一个，用cowplot把legend抽出来，然后再用我的另一个包ggimage进行图上嵌图，完事。ggimage实例可以参考这篇《shit，拟合的残差这么大！》。
用ggplot2画legend 上面这例子是不是还不过瘾，因为啊我还是用ggplot2给重新画了一遍，如果你这么看，那么你的脑洞不够大，画是画了，但不一定要画一样的图，比如说有现成的base函数画复杂的图，而你不会用ggplot2画，但不妨碍你画个简单的图，但这简单的图中的图例可以切出来使用啊。
呼应我上面讲到的，图例自己徒手画，我们用ggplot2来来徒手一下。画出下面这个图例：
p2 <- ggplot() + annotate("point", x=1,y=1:3,shape=15, color=col) + annotate("text", x=1.01, y=1:3, label=names(col), hjust=0) + xlim(0.99, 1.2) + ylim(0, 4) + theme_void() 对着代码看，不应该有什么问题，打了三个点，再打了三个相应的文本。然后再让我们把这图当做图例，嵌套到base plot上去。
p + ggimage::geom_subview(x=.
1月
很多人在网络上寻找帮忙而得不到帮助，通常是自己的问题，不要做伸手党，没人欠你一个答案。
2月
我给pheatmap加了个输出为pheatmap对象的功能，再给ggplotify写个方法，让pheatmap的输出转为ggplot，这样就可以不需要grid的知识也可以愉快地进行拼图了。
PS: 之前的版本，也是可以拼的，但你需要一点grid的知识。
很多人用ggpubr，其实应了那一句「越低俗越舒服」的话，无非是因为用起来简单，当然还有另一个因素，是很多公众号搬运了ggpubr的文档，而这些写公众号的，多半也是半吊子水平而已，根本没有分辨的能力。
之前有水生所的小伙伴，在朋友圈发了自己的代码调不好的状态，我评论了一下。
引出了一个text_grob的问题，这就是我说的制造混乱，把gpar几个参数放到gpar外面提供给用户。
我不知道你们看出问题在那里没有，这个text_grob相对于被封装的textGrob没有提供任何额外的功能，而这个封装就等于把gpar的参数给写死了，你想调别的参数，没门，除非你用回textGrob。真是一手好包装。
有人说它有好配色
显然是包装的，特别是说什么杂志的配色。
Thomas Lin Pedersen简直是个天才，最近patchwork动作很大，看到我都准备转投它的怀抱，把旧爱cowplot给扔了。
我们知道patchwork一出来，就推出+号来拼图，最近又搞出了|和/两个操作符。让整个拼图看起来很舒服。
先来画几张图：
library(ggplot2)
p1 <- ggplot(mtcars) +
geom_point(aes(mpg, disp)) +
ggtitle('图一')
p2 <- ggplot(mtcars) +
geom_boxplot(aes(gear, disp, group = gear)) +
ggtitle('图二')
p3 <- ggplot(mtcars) +
geom_point(aes(hp, wt, colour = mpg)) +
ggtitle('图三')
p4 <- ggplot(mtcars) +
geom_bar(aes(gear)) +
facet_wrap(~cyl) +
ggtitle('图四')
ChIPseeker是为ChIP-seq所设计的，因为当年我在做ChIP-seq，一不小心就写了这个包，然而我的知识是有限的，这名字取得太过于限定在ChIP-seq了，其实顺反组的其它类型的测序技术都是支持的，包括DNase-seq和ATAC-seq，此处为了说明我当前的知识是有限的，必须强调不仅限于此，免得出现开头说的这种尴尬。
8月份去开会，有中大肿瘤医院的PI跟我说，他们希望ChIPseeker可以支持ATAC-seq，因为我的ChIPseeker太好用了，然后他们想要用在ATAC-seq上，然而我的包真的是支持的啊。
哈佛大学的网站上有一份ATAC-seq分析指南[1]，就明确地写了，ChIPseeker虽然是为ChIP-seq所设计，但对ATAC-seq一样支持得非常好，并且把ChIPseeker列为这份指南的关键步骤之一。
