Base R hist()函数生成直方图频率异常问题咨询

你的问题核心是Base R的hist()函数默认自动分箱逻辑不保证正负对称数据的分箱对齐，而ggplot2的geom_histogram()在指定binwidth后会采用规则对称的分箱方式，所以两者结果不同。

具体原因 #

hist()默认会根据数据范围和nclass.Sturges()计算的分箱数自动生成断点，这个过程不会刻意保持正负对称：

• 对于负值数据，断点会基于最小值到0的范围生成；对于正值数据，断点基于0到最大值生成。
• 由于分箱数取整、浮点数精度等细节，正负两组的断点不会严格镜像对称，导致部分数据被划分到不同的箱子中，最终出现频率计数差异。

举个简单例子：假设你的负值范围是-7到-2，hist()自动生成的断点可能是-8, -6, -4, -2, 0；而正值范围2到7的自动断点可能是0, 2, 4, 6, 8。由于hist()默认采用左开右闭（right=TRUE）的箱子规则，负值的-2会被划入(-4,-2]，而正值的2会被划入(0,2]——这就导致相同绝对值的数被分到了不同宽度的箱子里，最终计数看起来不一致。

解决方法：手动指定对称断点 #

要让hist()生成和ggplot一致的对称直方图，只需手动给两组数据指定完全镜像的断点，比如和ggplot中binwidth=5匹配的断点：

# 获取数据的最大绝对值，确保断点覆盖所有数据
max_val <- max(abs(Skew_Data$Neg_ModerateSkew_0.5to1))
# 生成对称的断点序列，步长和ggplot的binwidth一致
breaks <- seq(-max_val - 5, max_val + 5, by = 5)

# 绘制负值直方图
hist(Skew_Data$Neg_ModerateSkew_0.5to1, breaks = breaks, col = "lightblue")
# 绘制正值直方图
hist(Skew_Data$Pos_ModerateSkew_0.5to1, breaks = breaks, col = "lightgreen")

指定相同的断点后，正负两组数据的分箱规则完全一致，直方图就会呈现预期的对称效果。

为什么ggplot的结果正确？ #

ggplot2::geom_histogram()在指定binwidth时，默认会将分箱对齐到binwidth的整数倍（比如binwidth=5时，箱子边界为..., -10, -5, 0, 5, 10,...），这种对齐方式天然保证了正负数据的分箱对称，因此两组直方图完全一致。

内容的提问来源于stack exchange，提问作者Jay05