如何在ggplot2的geom_histogram中自动应用Freedman-Diaconis分箱规则

Base R的hist()函数可以直接通过breaks = "FD"参数自动使用Freedman-Diaconis规则设置直方图箱宽，但ggplot2原生不支持这个便捷功能。下面提供两种解决方案，实现无需手动指定数据框和列即可自动应用该规则的直方图分箱。

方法一：自定义Stat组件（推荐，稳定可靠） #

通过继承ggplot2的StatBin组件，创建一个自动计算Freedman-Diaconis箱数的自定义stat，后续调用时无需额外传参：

library(ggplot2)
library(stats)

# 自定义stat层
stat_histogram_fd <- function(mapping = NULL, data = NULL,
                              geom = "bar", position = "stack",
                              ...,
                              na.rm = FALSE,
                              show.legend = NA,
                              inherit.aes = TRUE) {
  layer(
    data = data,
    mapping = mapping,
    stat = StatHistogramFd,
    geom = geom,
    position = position,
    show.legend = show.legend,
    inherit.aes = inherit.aes,
    params = list(
      na.rm = na.rm,
      ...
    )
  )
}

# 自定义Stat逻辑
StatHistogramFd <- ggproto("StatHistogramFd", StatBin,
  compute_group = function(data, scales, binwidth = NULL, bins = NULL, ...) {
    # 计算Freedman-Diaconis箱宽与箱数
    if (is.null(binwidth) && is.null(bins)) {
      bin_width <- 2 * IQR(data$x) / (length(data$x) ^ (1 / 3))
      bins <- ceiling(diff(range(data$x)) / bin_width)
      # 处理所有值相同的极端情况
      if (is.infinite(bins) || is.na(bins)) bins <- 1
    }
    # 调用原生StatBin的计算逻辑
    ggproto_parent(StatBin, StatHistogramFd)$compute_group(
      data, scales, binwidth = binwidth, bins = bins, ...
    )
  }
)

# 使用示例
df <- data.frame(xval = rnorm(100))
ggplot(df, aes(x = xval, y = after_stat(density))) +
  stat_histogram_fd(fill = "steelblue", color = "white")

方法二：动态提取ggplot环境中的数据（灵活但依赖版本） #

借助rlang包从ggplot的调用环境中自动提取x变量的数据，计算箱数后传入geom_histogram的bins参数：

library(ggplot2)
library(rlang)
library(stats)

# 计算Freedman-Diaconis箱数的辅助函数
fd_bins <- function() {
  # 获取ggplot调用的上层环境
  env <- parent.frame(n = 3)
  # 提取x美学映射对应的变量
  x_val <- eval_tidy(env$mapping$x, env$data)
  # 计算箱数
  bin_width <- 2 * IQR(x_val, na.rm = TRUE) / (length(x_val) ^ (1 / 3))
  bins <- ceiling(diff(range(x_val, na.rm = TRUE)) / bin_width)
  # 处理极端情况
  if (is.infinite(bins) || is.na(bins)) bins <- 1
  bins
}

# 使用示例
df <- data.frame(xval = rnorm(100))
ggplot(df, aes(x = xval, y = after_stat(density))) +
  geom_histogram(bins = fd_bins(), fill = "steelblue", color = "white")

注意事项 #

• 方法一的自定义stat组件不依赖ggplot2的内部调用结构，版本兼容性更好，适合长期重复使用。
• 方法二通过环境提取数据，实现更简洁，但如果ggplot2的内部调用逻辑更新，可能会失效。

内容的提问来源于stack exchange，提问作者sodium-hydroxide