ggplot2内部中“训练”非位置数据的含义是什么？

一、什么是“训练”非位置数据？ #

在ggplot2中，“训练”非位置数据的核心是让尺度（Scale）对象学习输入数据的特征，为后续的映射做准备：

• 对于离散美学（如颜色、线型）：训练过程会识别数据中的所有唯一类别，生成对应的映射规则（比如给每个类别分配固定颜色）；
• 对于连续美学（如尺寸、透明度）：训练过程会统计数据的范围（最小值、最大值），确定映射的区间范围。
  这个过程是为了把原始数据（比如cyl的4/6/8、mpg的数值）转换成grid绘图系统能直接识别的图形参数（比如RGB颜色值、线宽像素值）。

二、为什么lapply(data, npscales$train_df)不需要赋值？ #

你观察到的lapply(data, npscales$train_df)返回NULL但依然有效，原因在于：
ggplot2的尺度对象是引用类型的RC（Reference Class）对象，train_df方法会直接修改尺度对象内部的属性（比如$range、$limits、$levels），而不是返回新的数据。也就是说，训练过程是在“修改尺度自身的状态”，而非修改输入的data，所以不需要把lapply的结果赋值回去。

对比后续的data <- lapply(data, npscales$map_df)：map_df是基于训练好的尺度规则，把原始数据转换成grid可用的图形参数值，这一步是修改数据本身，所以需要赋值回data。

三、结合代码解析完整流程 #

# Train and map non-position scales and guides
npscales <- scales$non_position_scales()
if (npscales$n() > 0) {
  lapply(data, npscales$train_df)  # 训练尺度：让尺度学习数据特征
  plot$guides <- plot$guides$build(npscales, plot$layers, plot$labels, data)  # 基于训练后的尺度构建图例
  data <- lapply(data, npscales$map_df)  # 映射数据：把原始数据转成grid可用的参数
} else {
  # Only keep custom guides if there are no non-position scales
  plot$guides <- plot$guides$get_custom()
}

1. 获取非位置尺度：先提取所有非位置类的尺度（比如颜色、线型、尺寸对应的scale对象）；
2. 训练尺度：遍历每个图层的数据集，调用train_df让尺度记录数据的关键特征（离散值的类别、连续值的范围）；
3. 构建图例：图例需要基于训练后的尺度信息来生成（比如展示所有颜色对应的类别）；
4. 映射数据：将原始数据按照训练好的尺度规则，转换成grid能识别的图形参数值，最终用于绘图。

直观例子 #

比如绘制散点图：

ggplot(mtcars, aes(mpg, hp, color=cyl)) + geom_point()

• 训练阶段：scale_colour_discrete会识别cyl的唯一值（4、6、8），给每个值分配对应的颜色，尺度内部会记录这个映射关系；
• 映射阶段：把每个数据点的cyl值转换成对应的RGB颜色值，传递给grid系统绘制出带颜色的点。

内容的提问来源于stack exchange，提问作者Dubukay