Ch 06. 차트 저장과 재사용

차트를 만들었다면 다음 단계는 재사용입니다. 보고서에 삽입할 이미지로 저장하거나, 여러 차트를 한 페이지에 배치하거나, 공통 설정을 가진 차트 객체를 변수에 담아두는 방법이 있습니다.

차트를 변수에 저장

ggplot2의 차트는 R 객체입니다. 변수에 담아두었다가 나중에 출력하거나 수정할 수 있습니다.

library(tidyverse)

# 차트를 변수에 저장
p_scatter <- ggplot(mpg, aes(x = displ, y = hwy, color = class)) +
  geom_point(size = 2, alpha = 0.7) +
  labs(
    title = "배기량과 고속도로 연비",
    x     = "배기량 (리터)",
    y     = "연비 (mpg)",
    color = "클래스"
  ) +
  theme_minimal()

# 출력
p_scatter

p_scatter를 실행하면 차트가 그려집니다.

변수에 저장해두면 나중에 레이어를 추가할 수도 있습니다.

# 저장된 차트에 추세선 추가
p_scatter + geom_smooth(method = "lm", se = FALSE, color = "black")

원본 p_scatter는 변경되지 않습니다. +로 레이어를 더한 새로운 차트가 만들어질 뿐입니다.

ggsave로 파일 저장

ggsave()는 ggplot2 차트를 이미지 파일로 저장합니다.

# 현재 화면에 출력된 차트를 저장
ggsave("scatter_plot.png")

기본적으로 마지막으로 출력된 차트를 저장합니다. 특정 차트를 저장하려면 plot 인수를 씁니다.

ggsave(
  filename = "scatter_plot.png",
  plot     = p_scatter,
  width    = 8,
  height   = 6,
  dpi      = 300
)

파일 형식

파일 이름의 확장자로 형식이 결정됩니다.

발표 자료에는 PNG, 논문에는 PDF나 TIFF를 씁니다.

해상도와 크기 설정 가이드

# 보고서용 고해상도 저장
ggsave(
  filename = "report_scatter.png",
  plot     = p_scatter,
  width    = 8,
  height   = 6,
  dpi      = 300,
  bg       = "white"
)

bg = "white"는 배경을 흰색으로 지정합니다. 테마에 따라 배경이 투명해질 수 있어서, 문서 삽입용으로 저장할 때는 명시하는 것이 좋습니다.

patchwork — 여러 차트 조합

여러 차트를 나란히 배치하거나 위아래로 쌓고 싶을 때는 patchwork 패키지를 씁니다.

install.packages("patchwork")
library(patchwork)

먼저 차트를 여러 개 만들어 변수에 저장합니다.

# 차트 1: 산점도
p1 <- ggplot(mpg, aes(x = displ, y = hwy)) +
  geom_point(color = "steelblue", alpha = 0.6) +
  labs(title = "배기량과 연비", x = "배기량 (리터)", y = "연비 (mpg)") +
  theme_minimal()

# 차트 2: 막대그래프
p2 <- ggplot(mpg, aes(x = class, fill = class)) +
  geom_bar() +
  labs(title = "클래스별 대수", x = "클래스", y = "대수") +
  theme_minimal() +
  theme(legend.position = "none",
        axis.text.x = element_text(angle = 45, hjust = 1))

# 차트 3: 박스플롯
p3 <- ggplot(mpg, aes(x = drv, y = hwy, fill = drv)) +
  geom_boxplot(alpha = 0.7) +
  labs(title = "구동 방식별 연비 분포", x = "구동 방식", y = "연비 (mpg)") +
  theme_minimal() +
  theme(legend.position = "none")

# 차트 4: 히스토그램
p4 <- ggplot(mpg, aes(x = hwy)) +
  geom_histogram(bins = 20, fill = "steelblue", color = "white") +
  labs(title = "연비 분포", x = "고속도로 연비 (mpg)", y = "빈도") +
  theme_minimal()

나란히 배치 — | 연산자

p1 | p2

|로 연결하면 좌우로 나란히 배치됩니다.

위아래 배치 — / 연산자

p1 / p2

/로 연결하면 위아래로 쌓입니다.

복합 배치

# 위에 p1, 아래에 p2와 p3를 나란히
p1 / (p2 | p3)

# 2×2 격자
(p1 | p2) / (p3 | p4)

# 3열로 배치
p1 | p2 | p3

공통 제목과 레이블 붙이기

combined <- (p1 | p2) / (p3 | p4) +
  plot_annotation(
    title    = "mpg 데이터 종합 분석",
    subtitle = "ggplot2 내장 데이터셋 활용",
    caption  = "출처: ggplot2 mpg 데이터셋",
    theme    = theme(
      plot.title    = element_text(size = 16, face = "bold"),
      plot.subtitle = element_text(size = 11, color = "gray40")
    )
  )

combined

plot_annotation()으로 조합된 차트 전체의 제목과 설명을 붙입니다.

patchwork 차트 저장

patchwork로 조합한 차트도 ggsave()로 저장합니다.

ggsave(
  filename = "combined_charts.png",
  plot     = combined,
  width    = 14,
  height   = 10,
  dpi      = 300,
  bg       = "white"
)

여러 패널을 담으므로 너비와 높이를 넉넉하게 지정합니다.

패널 크기 조정

plot_layout()으로 각 패널의 상대적 크기를 지정합니다.

# p1을 p2보다 2배 넓게
p1 | p2 + plot_layout(widths = c(2, 1))

# 위 패널을 아래보다 2배 높게
p1 / p2 + plot_layout(heights = c(2, 1))

# 복합 배치에서 열 비율 지정
(p1 | p2 | p3) + plot_layout(widths = c(2, 1, 1))

전체 워크플로우 정리

PART 04에서 배운 내용을 하나의 흐름으로 정리합니다.

library(tidyverse)
library(patchwork)

# 1. 데이터 준비
mpg_summary <- mpg |>
  group_by(class) |>
  summarise(
    count    = n(),
    mean_hwy = mean(hwy),
    .groups  = "drop"
  )

# 2. 차트 작성 — 변수에 저장
p_bar <- ggplot(mpg_summary, aes(x = fct_reorder(class, mean_hwy),
                                  y = mean_hwy,
                                  fill = class)) +
  geom_col(alpha = 0.8) +
  scale_fill_brewer(palette = "Set2") +
  coord_flip() +
  labs(title = "클래스별 평균 연비", x = NULL, y = "평균 연비 (mpg)") +
  theme_minimal() +
  theme(legend.position = "none")

p_scatter <- ggplot(mpg, aes(x = displ, y = hwy, color = class)) +
  geom_point(alpha = 0.6, size = 2) +
  geom_smooth(method = "lm", se = FALSE, color = "gray30",
              linewidth = 0.5, linetype = "dashed") +
  scale_color_brewer(palette = "Set2") +
  labs(title = "배기량과 연비 관계", x = "배기량 (리터)",
       y = "연비 (mpg)", color = "클래스") +
  theme_minimal()

# 3. 조합
final_plot <- p_bar | p_scatter +
  plot_annotation(
    title   = "자동차 연비 분석 대시보드",
    caption = "출처: ggplot2 mpg 데이터셋"
  )

# 4. 저장
ggsave(
  filename = "mpg_dashboard.png",
  plot     = final_plot,
  width    = 14,
  height   = 6,
  dpi      = 300,
  bg       = "white"
)

차트를 변수에 저장하고, patchwork로 조합하고, ggsave로 내보내는 패턴입니다. 보고서나 발표 자료를 만들 때 이 흐름을 반복하게 됩니다.

PART 04에서는 ggplot2의 레이어 철학부터 시작해 기본 차트, 분포 시각화, 색상과 테마, facet, 저장과 조합까지 전 과정을 다뤘습니다. 다음 파트에서는 공공 데이터를 직접 분석하는 프로젝트로 넘어갑니다.