如何在ggplot中无需重复引用原数据实现密度图尾部着色？

要避免重复引用原数据、同时让代码适配分面/分组场景，有两种实用方案：

方案一：提前按分组计算分位数（直观易维护） #

先对数据按分面/分组维度预处理，计算每个组的95%分位数，之后直接在ggplot中使用该统计值：

library(dplyr)
library(ggplot2)
library(tidyr)

# 预处理：按分面变量计算各组95%分位数
mtcars_long <- mtcars %>%
  pivot_longer(c(mpg, qsec)) %>%
  group_by(name) %>%
  mutate(q95 = quantile(value, 0.95)) %>%
  ungroup()

# 绘制带尾部着色的密度图
mtcars_long %>%
  ggplot(aes(x = value)) +
  geom_density() +
  geom_density(
    aes(y = if_else(value > q95, after_stat(density), NA_real_)),
    fill = "grey", alpha = 0.5
  ) +
  facet_wrap(~name)

这种方式完全基于ggplot传入的上下文数据，不需要硬编码原数据框名称，无论是分面、颜色分组还是填充分组场景都能正常工作。

方案二：用stat层动态计算分位数（简洁无需预处理） #

利用ggplot的stat_density在统计计算阶段直接获取当前分组的95%分位数，无需提前处理数据：

library(dplyr)
library(ggplot2)
library(tidyr)

mtcars %>%
  pivot_longer(c(mpg, qsec)) %>%
  ggplot(aes(x = value)) +
  geom_density() +
  stat_density(
    aes(y = if_else(x > stat(quantile(x, 0.95)), after_stat(density), NA_real_)),
    fill = "grey", alpha = 0.5,
    geom = "area"
  ) +
  facet_wrap(~name)

这里的stat(quantile(x, 0.95))会自动识别当前分面/分组的上下文，计算对应组的95%分位数，同样能灵活适配各种拆分场景。

内容的提问来源于stack exchange，提问作者RoyalTS