点双列相关性可视化图合理性咨询及绘图优化建议

原图表完全不适合用来展示am（二分类变量）与mpg（连续变量）之间的点双列相关，核心问题在于：

• x轴采用数据行号（id），完全无法体现二分类变量am对mpg的分组影响，读者无法从图中感知两组mpg的分布差异——而这正是点双列相关要反映的核心逻辑。
• 分面设计将两组数据割裂，没有直接的视觉对比，无法快速看出两组mpg的集中趋势和离散程度差异，失去了相关性可视化的意义。
• 相关性结果的标注方式生硬且不通用：仅在其中一个分面固定位置显示，硬编码的数值也不利于代码复用。

1. 更换贴合点双列相关的可视化类型 #

点双列相关的本质是展示二分类自变量对连续因变量的分组影响，优先选择以下图表：

• 箱线图+散点叠加：既展示两组mpg的中位数、四分位距等统计特征，又保留原始数据点的分布细节，适合小样本（如mtcars的32条记录）。
• 小提琴图：比箱线图更细腻地展示两组mpg的分布密度，能直观体现数据的偏态特征。
• 分组散点+回归线：将am作为x轴（二分类），mpg作为y轴，添加每组的回归线，直接关联相关性的统计意义。

2. 规范相关性结果的标注 #

• 不要硬编码R值和p值，直接从cor_result中提取并格式化（比如p值小于0.001时显示p < 0.001，R值保留3位小数），避免代码冗余和错误。
• 将相关性结果统一标注在图表顶部的空白区域，让所有读者都能快速获取统计结论。

3. 精简图表元素，聚焦核心信息 #

• 移除不必要的x轴行号、id变量，直接将am作为x轴分组变量，减少视觉干扰。
• 简化主题设置：保留清晰的坐标轴标签、图例，不要过度调整元素（比如无需隐藏x轴所有元素）。

优化后的示例代码 #

library(see)
library(dplyr)
library(ggplot2)

# 计算点双列相关
x <- mtcars$am
y <- mtcars$mpg
cor_result <- cor.test(x, y)
r_val <- round(cor_result$estimate, 3)
p_val <- ifelse(cor_result$p.value < 0.001, "< 0.001", round(cor_result$p.value, 3))
cor_label <- paste0("Point-biserial R = ", r_val, ", p = ", p_val)

# 绘制箱线图+散点（推荐）
mtcars %>% 
  mutate(am = factor(am, labels = c("Automatic", "Manual"))) %>% 
  ggplot(aes(x = am, y = mpg, color = am)) +
  geom_boxplot(width = 0.3, alpha = 0.5) +
  geom_jitter(size = 3, alpha = 0.7, position = position_jitter(width = 0.2)) +
  geom_text(aes(x = 1.5, y = max(mpg) + 1, label = cor_label), 
            color = "black", size = 4.5) +
  scale_color_manual(values = c("steelblue", "purple")) +
  labs(y = "Miles per Gallon (mpg)", 
       x = "Transmission Type",
       color = "Transmission Type") +
  theme_modern() +
  theme(
    legend.position = "bottom",
    text = element_text(size = 14)
  )

优化后的图表优势 #

• 直接对比自动/手动变速箱两组的mpg分布，直观体现分组差异，与点双列相关的统计意义高度匹配。
• 动态提取统计结果，代码更健壮，标注更规范。
• 元素精简，视觉焦点集中在核心关系上，可读性大幅提升。

内容的提问来源于stack exchange，提问作者TarJae