R语言ggplot绘制多分组非堆叠直方图与密度叠加图

需要在同一画布绘制3个重叠的半透明直方图（每组颜色不同），并叠加密度多边形。核心要求：

• 直方图不自动堆叠不同分组的bins，每个分组独立计算密度后叠加展示，方便对比分布（不使用facet_wrap）
• 当前可通过单独调用每个分组的geom_histogram实现，但分组较多时操作繁琐
• 尝试用group参数分组处理，仍出现堆叠问题，希望批量实现该需求，用于分析个体分布、识别异常或子组

示例数据与测试代码 #

library(ggplot2)
library(dplyr)

# 模拟数据
color <- c("yellow", "brown", "green")
n_per_factor <- c(45, 50, 48)
flies <- c(rgamma(n_per_factor[1], shape = 40, scale = 3.5),
           rgamma(n_per_factor[2], shape = 40, scale = 3),
           rgamma(n_per_factor[3], shape = 40, scale = 2.5))
bananas <- data.frame(color = rep.int(color, times = n_per_factor),
                      flies = flies)

1. 自动堆叠的直方图（不满意的效果） #

此代码生成堆叠直方图，不符合需求：

ggplot(data = bananas, aes(x = flies, after_stat(density), 
                           fill = color))+
  geom_histogram(alpha = 0.50)+
  geom_density(alpha = 0.50)+
  xlab("每个香蕉上的果蝇数量")+
  ylab("密度")

效果：

2. 手动逐个分组绘制（满意但繁琐） #

通过单独过滤每个分组调用geom_histogram可实现重叠效果，但分组多时代码冗余：

ggplot(data = bananas, aes(x = flies, after_stat(density), 
                           fill = color))+
  geom_histogram(data = bananas %>% filter(color == "yellow"),
                 aes(x = flies, after_stat(density), 
                     fill = color), alpha = 0.50)+
  geom_histogram(data = bananas %>% filter(color == "green"),
                 aes(x = flies, after_stat(density), 
                     fill = color), alpha = 0.50)+
  geom_histogram(data = bananas %>% filter(color == "brown"),
                 aes(x = flies, after_stat(density), 
                     fill = color), alpha = 0.50)+
  geom_density(alpha = 0.50)+
  xlab("每个香蕉上的果蝇数量")+
  ylab("密度")

效果：

3. 尝试失败的代码 #

使用group参数仍无法避免堆叠：

ggplot(data = bananas, aes(x = flies, after_stat(density), 
                           group = color, fill = color))+
  geom_histogram(alpha = 0.50)+
  geom_density(alpha = 0.50)+
  xlab("每个香蕉上的果蝇数量")+
  ylab("密度")

批量实现的解决方案 #

只需在geom_histogram中添加position = "identity"参数，即可让所有分组的直方图独立重叠绘制，无需手动逐个分组调用：

ggplot(data = bananas, aes(x = flies, after_stat(density), 
                           fill = color))+
  geom_histogram(alpha = 0.50, position = "identity", bins = 15)+ # 核心参数position=identity，可调整bins优化展示
  geom_density(alpha = 0.2, color = NA)+ # 调整密度图透明度避免遮挡
  xlab("每个香蕉上的果蝇数量")+
  ylab("密度")+
  theme_minimal()

说明：

• position = "identity"是关键，让每个分组的直方图直接重叠，不进行堆叠或错位排列
• 可通过bins参数调整直方图分箱数量，让分布对比更清晰
• 密度图的透明度、边框样式可按需调整，平衡展示效果

内容的提问来源于stack exchange，提问作者Jade131621