R语言帕累托图（Pareto Chart）累计百分比显示异常问题求助

我在用R绘制软件仓库提交数的帕累托图，验证开发者提交是否符合帕累托法则，但图表里的累计百分比线出现了莫名波动——控制台打印的累计数值明明是正常递增的，图表却乱了。代码和问题现象如下：

我的代码 #

# 生成帕累托图并保存为PDF的函数
create_pareto_chart <- function(input_file, output_dir) {
  # 读取CSV文件
  data <- read.csv(input_file)
  
  # 从文件路径提取项目名称
  project_name <- basename(input_file)
  project_name <- sub("\\.csv$", "", project_name)
  
  # 统计每个作者的提交次数
  commit_counts <- data %>% 
    count(author) %>% 
    arrange(desc(n))
  
  # 过滤掉空值或缺失的作者
  commit_counts <- commit_counts %>% filter(!is.na(author) & author != "")
  
  # 计算提交数的累计百分比
  total_commits <- sum(commit_counts$n)
  commit_counts <- commit_counts %>%
    mutate(cumulative_sum = cumsum(n),
           cumulative_percentage = 100 * cumulative_sum / total_commits)
  
  # 打印累计百分比数值
  print(commit_counts)
  
  # 创建帕累托图
  p <- ggplot(commit_counts, aes(x = reorder(author, -n), y = n)) +
    geom_bar(stat = "identity", fill = "orange") +
    geom_line(aes(y = cumulative_percentage * max(n) / 100, group = 1), color = "red") +
    geom_point(aes(y = cumulative_percentage * max(n) / 100), color = "red") +
    geom_text(aes(y = cumulative_percentage * max(n) / 100, label = round(cumulative_percentage, 1)), 
              vjust = -0.5, size = 3, color = "blue") +  # 为累计线添加标签
    geom_hline(yintercept = max(commit_counts$n) * 0.8, color = "red", linetype = "dashed") +
    scale_y_continuous(
      sec.axis = sec_axis(~ . * 100 / max(commit_counts$n), name = "提交数累计百分比")
    ) +
    labs(title = paste("各作者提交数帕累托图（", project_name, "）", sep = ""),
         x = "作者（已匿名）",
         y = "提交次数") +
    theme(axis.text.x = element_text(angle = 90, hjust = 1))
  
  # 将图表保存为PDF
  pdf(file = file.path(output_dir, paste(project_name, ".pdf", sep = "")), width = 14, height = 7)
  print(p)
  dev.off()
}

问题现象 #

控制台打印的累计百分比是正常递增的：

但图表里的累计线却出现了波动：

问题根源 #

你用reorder(author, -n)在ggplot的aes里动态排序x轴，但这个排序的稳定性有问题——当多个作者提交数相同时，reorder会打乱你之前用arrange(desc(n))排好的顺序，导致绘图时的x轴元素顺序和commit_counts数据框的行顺序不匹配，累计线的点就会连错，出现波动。

修复方案 #

1. 提前固定作者的排序顺序 #

不要在ggplot里动态排序，而是在数据预处理阶段就把author转换成固定顺序的因子，确保x轴顺序和数据行顺序完全一致：

修改数据统计部分的代码：

# 统计每个作者的提交次数、排序、过滤空值，最后固定因子顺序
commit_counts <- data %>% 
  count(author) %>% 
  arrange(desc(n)) %>%
  filter(!is.na(author) & author != "") %>%
  mutate(author = factor(author, levels = author))  # 用当前行的author顺序作为因子水平

然后在ggplot的aes里直接用x = author：

p <- ggplot(commit_counts, aes(x = author, y = n)) +

2. 优化累计线的y轴映射（可选） #

你现在手动转换累计百分比到左侧y轴的数值范围，容易出错，不如直接用右侧轴的原始百分比数值，让ggplot自动处理映射：

修改累计百分比计算和绘图代码：

# 累计百分比计算保留原始值
commit_counts <- commit_counts %>%
  mutate(cumulative_sum = cumsum(n),
         cumulative_percentage = 100 * cumulative_sum / total_commits)

# 绘图时调整累计线的y映射
p <- ggplot(commit_counts, aes(x = author, y = n)) +
  geom_bar(stat = "identity", fill = "orange") +
  # 直接用累计百分比作为y值，交给右侧轴处理
  geom_line(aes(y = cumulative_percentage, group = 1), color = "red") +
  geom_point(aes(y = cumulative_percentage), color = "red") +
  geom_text(aes(y = cumulative_percentage, label = round(cumulative_percentage, 1)), 
            vjust = -0.5, size = 3, color = "blue") +
  scale_y_continuous(
    name = "提交次数",
    # 右侧轴直接映射原始百分比
    sec.axis = sec_axis(~ ., name = "提交数累计百分比")
  ) +
  # 帕累托法则的基准线应该是右侧轴的80%，不是左侧轴的80%最大提交数
  geom_hline(yintercept = 80, color = "darkred", linetype = "dashed") +
  labs(title = paste("各作者提交数帕累托图（", project_name, "）", sep = ""),
       x = "作者（已匿名）") +
  theme(axis.text.x = element_text(angle = 90, hjust = 1))

这样不仅能解决波动问题，还能让帕累托基准线更准确（对应80%的累计提交占比）。

内容的提问来源于stack exchange，提问作者Giammaria GIORDANO