如何在Lets-Plot Kotlin中实现多轴刻度，同时展示直方图与密度图

方案1：将直方图归一化为密度刻度（匹配Seaborn默认行为） #

Seaborn的sns.histplot(..., kde=True)默认会把直方图高度归一化为密度值，以此和密度图共用同一Y轴。在Lets-Plot中，你可以给geomHistogram指定y = stat(density)来实现相同效果：

// 假设数据框为df，差值列名为diff_value
letsPlot(df) { x = "diff_value" } +
    geomHistogram(
        binWidth = 1.0, // 根据数据分布调整bin宽度
        color = "white", // 柱子边框色
        fill = "#4285F4", // 柱子填充色
        y = stat(density) // 将直方图高度转换为密度
    ) +
    geomDensity(
        color = "#EA4335", // 密度线颜色
        size = 1.2 // 线条粗细
    ) +
    ggtitle("差值的分布（密度归一化）") +
    xlab("差值") +
    ylab("密度")

这个方案完全对齐Seaborn的默认表现，无需处理双轴，是最直接的替代方案。

方案2：使用双Y轴保留原始计数与密度 #

如果需要同时查看原始计数和密度分布，可以借助Lets-Plot的次坐标轴功能实现：

1. 先获取直方图的最大计数，计算缩放因子（将密度值放大到计数的范围）
2. 给密度图的Y值应用缩放因子，再通过次坐标轴反转缩放显示密度刻度

示例代码：

// 计算直方图最大计数，用于确定缩放因子
val maxCount = df.groupBy("diff_value").count().maxOf { it.second }
val scaleFactor = maxCount / 0.02 // 0.02为你观察到的密度最大值，需根据实际数据调整

letsPlot(df) { x = "diff_value" } +
    geomHistogram(
        binWidth = 1.0,
        color = "white",
        fill = "#4285F4"
    ) +
    geomDensity(
        color = "#EA4335",
        size = 1.2,
        y = stat(density) * scaleFactor // 缩放密度值到计数范围
    ) +
    scaleYContinuous(
        name = "计数",
        secAxis = secAxis(
            trans = { it / scaleFactor }, // 反转缩放，显示原始密度值
            name = "密度"
        )
    ) +
    ggtitle("差值的分布（双Y轴）") +
    xlab("差值")

注意：缩放因子需要根据你的实际数据调整，确保密度线高度和直方图匹配，同时次轴刻度显示正确。

内容的提问来源于stack exchange，提问作者Alberto S.