如何在ggplot中按(x,y)点出现次数增大散点尺寸？

一、修改代码实现点尺寸随出现次数增大 #

由于x和y均为0-2的整数，本质是9种离散组合，直接统计每个组合的出现频次，再将频次映射为点大小会更高效，同时精准匹配你的需求。修改后的代码如下：

library(scattermore)
library(ggplot2)
library(dplyr)

# 初始化空数据框存储所有(x,y)对
all_pairs <- data.frame(query = integer(), sup = integer())

for (i in 1:6){
  query <- exp_df[[i,1]]
  sup <- exp_df[[i,2]]
  query_path <- paste0(query,".sscore.csv")
  sup_path <- paste0(sup,".sscore%0D.csv")
  # 读取并合并两文件的第4列数据
  shell_command <- sprintf("/bin/bash -c 'paste -d, <(cut -d, -f4 %s) <(cut -d, -f4 %s)'", query_path, sup_path)
  count_pairs <- system(shell_command, intern = TRUE)
  # 转换为整数型数据框
  current_pairs <- read.table(text = count_pairs, sep = ",", header = TRUE, col.names=c("query", "sup")) %>%
    mutate(across(c(query, sup), as.integer))
  # 合并到总数据框
  all_pairs <- bind_rows(all_pairs, current_pairs)
}

# 统计每个(x,y)组合的出现次数
pair_counts <- all_pairs %>%
  count(query, sup, name = "frequency")

# 绘制散点图，点大小关联出现频次
gg <- ggplot(pair_counts) +
  geom_scattermost(aes(x = query, y = sup, size = frequency), pixels = c(700,700)) +
  scale_size_continuous(range = c(1, 6)) # 可根据需求调整点大小范围
gg

代码说明： #

• 先收集所有迭代的(x,y)对，避免重复绘图叠加
• 用dplyr::count()统计频次，比逐次画散点更高效，适配大样本量
• 通过aes(size = frequency)让点大小直接关联出现次数，用scale_size_continuous控制大小区间

二、适合大样本量的替代绘图方案 #

针对离散二维组合的频次展示，除散点图外还有以下更直观的选择：

• 热图（Heatmap）：用颜色深浅表示频次，清晰展示各组合的分布差异

  ggplot(pair_counts, aes(x = query, y = sup, fill = frequency)) +
    geom_tile(color = "white") +
    scale_fill_gradient(low = "lightblue", high = "darkblue") +
    theme_minimal()
  

• 气泡图（Bubble Plot）：结合点大小与颜色双重映射频次，视觉冲击力更强（仅9个离散点，用geom_point足够高效）

  ggplot(pair_counts, aes(x = query, y = sup, size = frequency, color = frequency)) +
    geom_point(alpha = 0.8) +
    scale_size_continuous(range = c(5, 15)) +
    scale_color_gradient(low = "orange", high = "red") +
    theme_bw()
  

• 马赛克图（Mosaic Plot）：直观展示各组合的占比关系，适合分类变量的联合分布分析

  library(vcd)
  mosaic(table(all_pairs$query, all_pairs$sup), shade = TRUE, legend = TRUE)
  

内容的提问来源于stack exchange，提问作者Caterina