如何在R的ggplot分面图中按分面特定Y值放置stat_interval？

方法一：基于分面峰值比例设置Y位置 #

每个分面的Y轴范围由该组直方图的频数最大值决定，所以可以提前计算每组的频数峰值，用峰值的固定比例（比如90%）作为区间线的Y位置，确保在所有分面的顶部附近。

修改后的代码如下：

library(ggplot2)
library(dplyr)

dfmeans <- as.integer(c(4,5,6))
N <- c(100, 150, 300)

data <- data.frame(dfmeans, N)
data <- as.data.frame(lapply(data, rep, data$N))

data <- data %>%
  mutate(values = rnorm(n=nrow(data), mean = dfmeans, sd = 0.5))

# 计算每组直方图的最大频数（与原代码bins=100保持一致）
hist_counts <- data %>%
  group_by(dfmeans) %>%
  mutate(bin = cut(values, breaks = 100)) %>%
  count(bin) %>%
  summarise(max_count = max(n))

# 将峰值数据合并到原数据集
data <- data %>% left_join(hist_counts, by = "dfmeans")

ggplot() +
  geom_histogram(data=data, aes(values), bins = 100) +
  # 用峰值的90%作为Y位置，保证区间线在分面顶部
  stat_pointinterval(data=data, aes(x = values, y = max_count * 0.9, group = dfmeans)) +
  facet_wrap(. ~ dfmeans, scales = "free_y") +
  scale_y_continuous(expand = c(0, 0)) +
  scale_x_continuous(expand = c(0, 0))

方法二：用after_stat动态获取分面峰值 #

如果不想提前计算频数，可以直接在ggplot图层中用after_stat函数动态获取当前分面的直方图峰值，再按比例设置Y位置，代码更简洁：

library(ggplot2)
library(dplyr)

dfmeans <- as.integer(c(4,5,6))
N <- c(100, 150, 300)

data <- data.frame(dfmeans, N)
data <- as.data.frame(lapply(data, rep, data$N))

data <- data %>%
  mutate(values = rnorm(n=nrow(data), mean = dfmeans, sd = 0.5))

ggplot(data, aes(values)) +
  geom_histogram(bins = 100) +
  # 动态获取当前分面的最大频数，乘以比例设置Y位置
  stat_pointinterval(aes(y = after_stat(max(count)) * 0.9, group = dfmeans)) +
  facet_wrap(. ~ dfmeans, scales = "free_y") +
  scale_y_continuous(expand = c(0, 0)) +
  scale_x_continuous(expand = c(0, 0))

关于叠加绘图的说明 #

如果是指双Y轴叠加，反而会增加展示复杂度——分面场景下双Y轴的配置更繁琐，且需要额外解释轴的含义。相比之下，上面两种基于同一Y轴比例位置的方法更直观，不需要额外的认知成本，是更优的选择。

内容的提问来源于stack exchange，提问作者user21008368