如何在ggplot2中实现与base R一致的等面积分箱直方图？

• base R的hist(x, breaks = quantile(x, 0:10/10))是直接用分位数作为分箱的实际边界，10分位数会把数据均匀分成10组，每组包含10%的数据点。因为每组计数相同，直方图的面积（计数×分箱宽度）自然相等。
• 你在ggplot2里用scale_x_continuous(breaks=...)只是修改了x轴显示的刻度位置，根本没改变geom_histogram的分箱逻辑——bins=10会让ggplot2默认生成等宽分箱，和分位数边界完全无关，所以结果和base R不一样。

直接给geom_histogram指定分位数作为breaks参数，而不是只改x轴刻度：

set.seed(123)
x <- rnorm(100)
# 计算10分位数断点
quantile_breaks <- quantile(x, 0:10/10)

library(ggplot2)
ggplot(data.frame(x), aes(x = x)) +
  # 直接传入分位数断点作为分箱边界
  geom_histogram(aes(y = after_stat(density)), breaks = quantile_breaks, color = "white") +
  # 可选：把分位数设为x轴刻度，和base R对齐
  scale_x_continuous(breaks = quantile_breaks)

补充说明 #

• 这里breaks=quantile_breaks让ggplot2完全按照分位数划分分箱，和base R的逻辑一致，每组数据点数量相同，面积自然相等。
• 如果想显示计数而不是密度，去掉aes(y = after_stat(density))即可，对应base R中hist(..., freq=TRUE)的效果。
• 也可以先手动把数据按分位数分组，再用geom_bar：

df <- data.frame(x)
# 把x按分位数分组，include.lowest确保最小值被包含进第一个分箱
df$quantile_group <- cut(x, breaks = quantile_breaks, include.lowest = TRUE)

ggplot(df, aes(x = quantile_group)) +
  geom_bar() +
  xlab("x")

这种方式x轴是分类变量，适合快速看各组计数，要是需要保持连续x轴的可视化，优先选第一种方法。

内容的提问来源于stack exchange，提问作者Quinten