ggplot2绘图对象体积过大的优化方法咨询

你遇到的这个问题其实很常见——ggplot2默认会把整个原始数据集存储在生成的绘图对象里，而基础的hist()函数只保留了统计后的频数、区间等汇总信息，这就是为什么两者体积差这么大的原因。要解决这个问题，核心思路就是先对数据做统计汇总，再用汇总后的小数据集来绘图，这样ggplot对象就不会再拖着144MB的原始数据了。

方法一：手动汇总数据后用geom_col绘制 #

既然你的match length取值范围是8到47，而且绘图时只用到8到32的数据，我们可以先统计每个长度对应的观测数量，再用柱状图来模拟直方图的效果（两者视觉上几乎一致）：

library(dplyr)
# 第一步：汇总每个match length的频数
pc_summary <- pc %>%
  count(`match length`, name = "count") %>% # 统计频数，结果列命名为count
  filter(`match length` >= 8, `match length` <= 32) # 过滤到需要的区间

# 第二步：用汇总后的数据绘图
plot1_optimized <- ggplot(data = pc_summary, aes(x = `match length`, y = count)) +
  geom_col(fill = '#d90050', color = 'white', alpha = 0.5, linewidth = 0.05) +
  scale_x_continuous(breaks = seq(8,32,2), limits = c(8,32)) +
  labs(title = 'k = 10', x = 'Match length', y = 'Count') +
  theme_gray(base_size = 10, base_family = "Helvetica") +
  theme(legend.position = "top",
        plot.title = element_text(size = 12),
        axis.text = element_text(size = 8),
        axis.title = element_text(size = 8))

汇总后的pc_summary只有25行左右的数据，生成的plot1_optimized体积会和plot2差不多，渲染起来速度会快很多。

方法二：利用基础hist()的统计结果 #

如果你习惯用hist()的区间划分逻辑，也可以先让hist()计算好统计结果，再把结果传给ggplot：

# 先让hist()计算统计信息，不绘图
hist_stats <- hist(pc$`match length`, breaks = seq(8, 33, 1), plot = FALSE)
# 把统计结果转成数据框
pc_summary2 <- data.frame(
  match_length_mid = hist_stats$mids, # 区间中点
  count = hist_stats$counts # 区间内的频数
)

# 用这个汇总数据绘图
plot1_optimized2 <- ggplot(pc_summary2, aes(x = match_length_mid, y = count)) +
  geom_col(fill = '#d90050', color = 'white', alpha = 0.5, linewidth = 0.05, width = 1) +
  scale_x_continuous(breaks = seq(8,32,2), limits = c(8,32)) +
  labs(title = 'k = 10', x = 'Match length', y = 'Count') +
  theme_gray(base_size = 10, base_family = "Helvetica") +
  theme(legend.position = "top",
        plot.title = element_text(size = 12),
        axis.text = element_text(size = 8),
        axis.title = element_text(size = 8))

额外小技巧 #

如果之后你还遇到类似的大样本ggplot对象体积问题，也可以在绘图后用ggplot_build()提取绘图所需的计算结果，或者直接用ggsave()直接输出图片而不保存大对象，不过最根本的还是避免让ggplot携带原始大数据集，用汇总后的统计数据绘图是最优解。

备注：内容来源于stack exchange，提问作者Hrishikesh Hardikar