如何在ggplot2中绘制带权重的geom_histogram（避免数据复制）

示例数据集 #

set.seed(100)
my_data <- data.frame(type = letters, 
                      value = rnorm(26, 10, 3) |> sort(),
                      weight = 1:26)

原普通直方图实现 #

bin_width <- 5
x_seq <- seq(0, 20, bin_width)

ggplot2::ggplot(my_data, ggplot2::aes(x = value)) +
  ggplot2::geom_histogram(binwidth = bin_width) + 
  ggplot2::scale_x_continuous(limits = c(min(x_seq), max(x_seq)),
                                         n.breaks = length(x_seq))

需求说明 #

需要绘制与原直方图x轴一致的加权直方图：

• 外观保持直方图样式
• y轴显示每个bin范围内观测值的weight求和值，而非观测数量
• 禁止使用rep(my_data$value, my_data$weight)复制数据（真实数据集权重极大，会导致性能问题）

可行解决方案 #

方法1：提前分箱计算权重和（手动处理） #

先通过数据分组计算每个bin的权重总和，再用geom_col绘制，完全避免重复数据：

library(dplyr)
library(ggplot2)

bin_width <- 5
x_seq <- seq(0, 20, bin_width)

# 分箱并计算每个bin的权重总和
weighted_bins <- my_data |>
  # 为每个value分配对应的bin区间
  mutate(bin = cut(value, breaks = x_seq, include.lowest = TRUE)) |>
  group_by(bin) |>
  summarise(total_weight = sum(weight)) |>
  # 计算bin的中点，保证和原直方图x轴对齐
  mutate(x_mid = (as.numeric(sub("\\((.*),.*\\]", "\\1", bin)) + 
                   as.numeric(sub(".*,(.*)\\]", "\\1", bin))) / 2)

# 绘制加权直方图
ggplot(weighted_bins, aes(x = x_mid, y = total_weight)) +
  geom_col(width = bin_width, fill = "gray50", color = "black") +
  scale_x_continuous(limits = c(min(x_seq), max(x_seq)),
                     breaks = x_seq) +
  labs(x = "value", y = "Total Weight")

方法2：使用stat_summary_bin（更简洁） #

直接利用ggplot2的stat_summary_bin统计层，指定求和函数，无需提前处理数据：

library(ggplot2)

bin_width <- 5
x_seq <- seq(0, 20, bin_width)

ggplot(my_data, aes(x = value, y = weight)) +
  stat_summary_bin(fun = sum, geom = "col", binwidth = bin_width,
                   fill = "gray50", color = "black") +
  scale_x_continuous(limits = c(min(x_seq), max(x_seq)),
                     breaks = x_seq) +
  labs(y = "Total Weight")

两种方法都能生成与预期一致的加权直方图，且不会因大权重数据导致性能问题。

内容的提问来源于stack exchange，提问作者nateroe