R语言中ggridges脊线图定制需求与实现求助

针对你的需求，以下是基于ggridges包的定制化实现方案，包含示例数据构造、数据预处理和绘图代码，完全覆盖你提出的三个需求：

1. 准备环境与示例数据 #

首先加载所需包，并构造与你描述匹配的示例数据集（可替换为你的真实数据）：

library(tidyverse)
library(ggridges)

# 构造示例数据集（模拟你的数据结构）
set.seed(123)
df <- expand.grid(RankVar = 0:6, Node = 1:9) %>%
  mutate(Clus = case_when(
    Node %in% c(1,4,5) ~ "A",
    Node %in% c(2,6,8) ~ "B",
    Node %in% c(3,7,9) ~ "C"
  )) %>%
  mutate(count = sample(1:20, nrow(.), replace = TRUE)) %>%
  uncount(count)

2. 数据预处理（满足聚类堆叠与间隙需求） #

通过自定义y轴位置，实现聚类间的空白间隔，同时按聚类排序节点：

df_processed <- df %>%
  mutate(Node = as.factor(Node)) %>%
  # 按聚类→节点的顺序排序
  arrange(Clus, Node) %>%
  # 为每个聚类的节点分配y轴位置，聚类之间预留1个单位的间隙
  group_by(Clus) %>%
  mutate(y_pos = cur_group_id() * 4 - 3 + row_number() - 1) %>%
  ungroup()

这里通过cur_group_id()和row_number()计算y轴位置，让聚类A的节点对应y=1/2/3，聚类B对应y=5/6/7，聚类C对应y=9/10/11，中间的4/8位置形成空白间隔（与binwidth=1的宽度匹配）。

3. 定制化绘图代码 #

ggplot(df_processed, aes(x = RankVar, y = y_pos, fill = Clus)) +
  # 针对离散RankVar使用binline统计量，匹配类Likert变量的特性
  geom_density_ridges(
    stat = "binline",
    binwidth = 1,
    scale = 0.9,
    size = 0.3,
    color = "white"
  ) +
  # 自定义y轴刻度，仅显示节点编号，隐藏间隙位置的刻度
  scale_y_continuous(
    breaks = df_processed %>% distinct(Node, y_pos) %>% pull(y_pos),
    labels = df_processed %>% distinct(Node, y_pos) %>% pull(Node),
    expand = c(0.01, 0)
  ) +
  # 为每个聚类设置专属配色
  scale_fill_manual(
    values = c("A" = "#E69F00", "B" = "#56B4E9", "C" = "#009E73")
  ) +
  # 使用ridges主题并优化细节
  theme_ridges(center_axis_labels = TRUE) +
  labs(
    x = "RankVar",
    y = "Node",
    fill = "Cluster"
  ) +
  theme(
    axis.text.y = element_text(vjust = 0),
    panel.grid.major.y = element_blank()
  )

关键需求匹配说明 #

• 按聚类堆叠脊线：通过arrange(Clus, Node)确保节点按聚类分组排序，y轴刻度映射回原始Node编号，实现聚类内节点的堆叠展示。
• 聚类间空白间隔：通过手动分配y轴位置，在不同聚类的节点之间预留与binwidth等宽的空白，避免脊线跨聚类衔接。
• 聚类专属配色：使用scale_fill_manual为每个聚类指定唯一颜色，直观区分不同聚类的节点脊线。

内容的提问来源于stack exchange，提问作者EB3112