如何用R语言ggplot2为Top N分组创建带抖动点的箱线图

数据： 约1000万行，示例数据如下：

movie_title         movie_year movie_decade               genres         rating

Boomerang             1992         1990                Comedy|Romance      3.5     
Net, The              1995         2000         Action|Crime|Thriller      4.5
Dumb & Dumber         1994         1990                        Comedy      5
Outbreak              1995         2000  Action|Drama|Sci-Fi|Thriller      4.5
Stargate              1994         1990       Action|Adventure|Sci-Fi      3
Star Trek: Generations1994         1990 Action|Adventure|Drama|Sci-Fi      3.5

目标：
为评分数量最多的前5个按genres分组的类别，创建带抖动点的箱线图。分组汇总排序后的前5个类型如下：

genres                           no_of_ratings
 1 Drama                            815084
 2 Comedy                           778596
 3 Comedy|Romance                   406061
 4 Comedy|Drama                     359494
 5 Comedy|Drama|Romance             290231

类似示例：
想要创建的图表样式类似“均值点+标准差误差棒”的分组图（原示例为前30个类型），但将均值点和误差棒替换为箱线图与抖动点。

当前无效代码：

temp %>%
    group_by(genres) %>%
    summarise(no_of_ratings = length(rating)) %>%
    arrange(desc(no_of_ratings)) %>%
    top_n(5, no_of_ratings) %>%
    ggplot(aes(genres, rating)) +
    geom_boxplot() +
    geom_jitter(width = 0.1, alpha = 0.2) + 
    coord_flip()

报错信息：
object 'rating' not found

原因：summarise操作会将每个分组压缩为一行，仅保留genres和no_of_ratings字段，原始的rating数据已丢失，因此ggplot无法找到该变量。

解决方案 #

核心思路：先筛选出评分最多的前5个类型，再从原始数据中提取对应记录进行绘图，避免丢失rating字段。

方案1：先提取Top5类型列表，再筛选原始数据

# 获取评分最多的前5个类型
top5_genres <- temp %>%
  group_by(genres) %>%
  summarise(no_of_ratings = n()) %>%  # n()等价于length(rating)
  arrange(desc(no_of_ratings)) %>%
  top_n(5, no_of_ratings) %>%
  pull(genres)  # 提取类型名称转为向量

# 用原始数据筛选对应类型并绘图
temp %>%
  filter(genres %in% top5_genres) %>%
  ggplot(aes(x = genres, y = rating)) +
  geom_boxplot() +
  geom_jitter(width = 0.1, alpha = 0.2) +  # 抖动点避免重叠，alpha降低透明度
  coord_flip()

方案2：通过合并保留原始数据（适合需要同时展示汇总信息的场景）

temp %>%
  # 为每条记录添加对应类型的评分数量
  group_by(genres) %>%
  mutate(no_of_ratings = n()) %>%
  ungroup() %>%
  # 筛选出前5个类型的所有记录
  filter(genres %in% (.[["genres"]][order(.$no_of_ratings, decreasing = TRUE)][1:5])) %>%
  ggplot(aes(x = genres, y = rating)) +
  geom_boxplot() +
  geom_jitter(width = 0.1, alpha = 0.2) +
  coord_flip()

内容的提问来源于stack exchange，提问作者dakaru