R分面直方图添加独立数据框垂直线异常问题排查

原代码在给每个分面直方图添加均值、Q1、最小值的垂直线时，出现了多条线而非对应统计量的单条线，问题出在统计量数据框与分面标识不匹配以及ggplot的数据映射逻辑上，具体分析和修正如下：

问题原因 #

1. Try 1 的问题：直接传入data_stats$Mean这类向量作为xintercept，ggplot会把向量里的所有值（10个均值）都绘制在每个分面中，导致每个分面出现10条对应统计量的线。
2. Try 2 的问题：虽然指定了data = data_stats，但data_stats没有包含和分面变量key对应的列，ggplot无法将统计量与分面匹配，因此会把data_stats里的所有统计量值都画在每个分面里，同样出现多条线。

解决步骤 #

核心是让统计量数据框data_stats包含分面标识（即原数据的列名，对应data_long里的key），让ggplot能精准匹配每个分面对应的统计量：

• 给data_stats添加key列，将原数据的列名（也就是data_stats的行名）转为该列的值；
• 绘图时，geom_vline使用带key列的data_stats，ggplot会自动按key匹配分面，只绘制对应统计量的单条线。

修正后的完整代码 #

# 生成数据
set.seed(123)

# 创建10列100行的数据框
data <- data.frame(matrix(runif(1000, -3, 1), ncol = 10))

# 给每列生成双峰分布
for (i in 1:10) {
  data[,i] <- ifelse(runif(100) < 0.5, rnorm(100, -1, 0.5), rnorm(100, 0, 0.5))
}

# 计算统计量，并添加key列（对应原数据的列名）
data_stats <- data.frame(
  Mean = apply(data, 2, mean, na.rm = TRUE),
  SD = apply(data, 2, sd, na.rm = TRUE),
  Max = apply(data, 2, max, na.rm = TRUE),
  Median = apply(data, 2, median, na.rm=TRUE),
  Q1 = apply(data, 2, quantile, probs = 0.25, na.rm = TRUE),
  Min = apply(data, 2, min, na.rm =TRUE),
  key = colnames(data)  # 添加分面对应的key列
)

# 转换为长格式
data_long <- tidyr::gather(data)

# 绘制分面直方图，添加对应统计量的垂直线
ggplot(data_long, aes(x = value)) +
  geom_histogram(bins = 20) +
  geom_vline(xintercept = 0, color = "red") +
  # 每个统计量的垂直线，ggplot会按key匹配分面
  geom_vline(data = data_stats, aes(xintercept = Mean), color = "green") +
  geom_vline(data = data_stats, aes(xintercept = Q1), color = "blue") +
  geom_vline(data = data_stats, aes(xintercept = Min), color = "black") +
  facet_wrap(~key, scales = 'free')

额外优化（可选） #

如果想让代码更简洁，也可以把统计量整理成长格式，用一次geom_vline绘制所有统计量，同时添加图例：

# 将data_stats转为长格式
data_stats_long <- tidyr::pivot_longer(data_stats, 
                                       cols = c(Mean, Q1, Min),
                                       names_to = "stat",
                                       values_to = "value")

ggplot(data_long, aes(x = value)) +
  geom_histogram(bins = 20) +
  geom_vline(xintercept = 0, color = "red", linetype = "dashed", aes(linetype = "x=0")) +
  geom_vline(data = data_stats_long, aes(xintercept = value, color = stat)) +
  scale_color_manual(values = c("Mean" = "green", "Q1" = "blue", "Min" = "black")) +
  scale_linetype_manual(values = "dashed") +
  labs(color = "统计量", linetype = "") +
  facet_wrap(~key, scales = 'free')

内容的提问来源于stack exchange，提问作者Marcello