如何在ggplot2的geom_point()中高效复用已过滤的2012年gapminder数据？

这个问题我太懂了——重复过滤同一个条件确实挺烦的，既冗余又浪费算力。你之前尝试的思路是对的：先把2012年的数据过滤出来再传给ggplot，但报错是因为图层里的filter()不知道该用哪个数据集。下面给你两种简洁高效的解决方案，不用额外创建新数据框，只需要一次过滤2012年的数据就能复用在所有图层里：

方法1：用.指代管道传递的已过滤数据 #

在ggplot的管道链里，.代表前一步传递过来的数据集（也就是我们已经过滤好的2012年数据）。只需要在图层的data参数里用. %>% filter(...)的形式，就能基于已过滤的数据进一步筛选：

# 先计算2012年亚洲人口中位数（用pull()简化代码）
med_2012_pop <- gapminder %>% 
  filter(year == 2012 & continent == "Asia") %>% 
  pull(population) %>% 
  median(na.rm = TRUE)

# 一次过滤2012年数据，后续所有图层复用
gapminder %>% 
  filter(year == 2012) %>% 
  ggplot(aes(x=fertility, y=life_expectancy, color=continent)) +
  # 高亮亚洲人口超过中位数的点
  geom_point(data = . %>% filter(continent == "Asia" & population > med_2012_pop), 
             size=5, color="gray") +
  # 基础散点图层（直接用已过滤的2012年数据）
  geom_point() +
  # 高亮日本
  geom_point(data = . %>% filter(country == "Japan"), 
             size=1, color="black") +
  geom_label(x=1.8, y=84, label="Japan", color="black", size=3) +
  theme_minimal()

方法2：用cur_data()引用ggplot当前数据（ggplot2 3.3.0+适用） #

如果你的ggplot2版本在3.3.0及以上，可以用cur_data()函数，它会直接返回ggplot正在使用的数据集，语法更直观：

gapminder %>% 
  filter(year == 2012) %>% 
  ggplot(aes(x=fertility, y=life_expectancy, color=continent)) +
  geom_point(data = cur_data() %>% filter(continent == "Asia" & population > med_2012_pop),
             size=5, color="gray") +
  geom_point() +
  geom_point(data = cur_data() %>% filter(country == "Japan"),
             size=1, color="black") +
  geom_label(x=1.8, y=84, label="Japan", color="black", size=3) +
  theme_minimal()

为什么之前的代码报错？ #

你之前尝试的filter(continent == "Asia" ...)没有指定数据源，R不知道要过滤哪个数据框。而上面两种方法明确告诉R：用的是已经过滤好的2012年数据，这样就不会出错了。

额外小优化 #

计算中位数的时候，用pull(population)比select(population) %>% .$population更简洁，代码可读性更高，建议日常使用~

内容的提问来源于stack exchange，提问作者Vivi