R/ggplot2：组合独立geom_histogram图层时出现异常

问题描述 #

尝试用R/ggplot2复现演示内容时，修改数据最大值以展示直方图鲁棒性不足的过程中出现异常：通过生成多个独立geom_histogram图层组合后分面展示，所有直方图看起来极为相似；但单独查看每个图层时，能看到预期的分布差异效果。

原因分析 #

问题源于ggplot2分面机制与多图层数据处理的冲突：

• 当使用多个geom_histogram并各自指定子集数据时，分面功能会基于全局数据的整体范围统一计算分箱边界，而非每个分面对应的子集数据范围。这导致所有分面的分箱区间完全一致，掩盖了数据最大值修改带来的分布差异。
• 单独绘制每个图层时，geom_histogram会基于当前图层的子集数据独立计算分箱，因此能呈现预期的差异。

解决方案 #

推荐使用长格式数据+单图层映射的方式，让ggplot2自动为每个分面子集计算合适的分箱，无需手动生成多个图层。

修正后的代码 #

library(dplyr)
library(ggplot2)
library(magrittr)
requireNamespace("kmed")

# 定义要替换的最大值
maxima <- c(197, 202, 213, 224)

# 复制数据集并添加分组变量
m_df <- bind_rows(
  replicate(length(maxima), kmed::heart, simplify = FALSE)) %>%
  mutate(
    sm  = rep(maxima, each = nrow(kmed::heart)),
    fsm = paste("Maximum Edited to:", sm)
  )

# 按分组修正最大值
m_df <- m_df %>%
  group_by(sm) %>%
  mutate(thalach = ifelse(thalach == max(thalach), sm, thalach)) %>%
  ungroup()

# 单图层+分面绘制，自动为每个子集计算分箱
ggplot(m_df, aes(x = thalach)) +
  geom_histogram(bins = 20) +
  facet_wrap(. ~ fsm, scales = "free_y") +
  theme_bw() +
  labs(x = "Maximum Heart Rate Achieved", y = "Count")

备选方案（多图层方式） #

如果坚持使用多图层，需要为每个geom_histogram手动指定基于子集数据的分箱边界：

# 生成带自定义分箱的图层
m_lp_hist <- plyr::llply(maxima, function(b) {
  subset_data <- m_df %>% filter(sm == b)
  x_range <- range(subset_data$thalach)
  bin_width <- (x_range[2] - x_range[1])/20
  geom_histogram(
    data    = subset_data,
    mapping = aes(x = thalach),
    binwidth = bin_width,
    boundary = x_range[1]
  )
})

# 组合图层并分面
Reduce("+", m_lp_hist, init = ggplot()) +
  facet_wrap(. ~ fsm, scales = "free_y") +
  theme_bw() +
  labs(x = "Maximum Heart Rate Achieved", y = "Count")

此方式冗余且易出错，优先推荐第一种单图层分面方法。

内容的提问来源于stack exchange，提问作者balin