R语言geom_bar绘制占比求助：以总观测数为100%

没问题，我来帮你搞定这两个问题——让百分比以总观测数为基准，以及正确添加频率标签！

问题1：让百分比以总观测数为基准 #

你之前的代码用了subset(my.data, PHENO == 2)，这会让ggplot只处理PHENO=2的观测，所以..prop..计算的是PHENO=2内部各bin的比例，而不是相对于所有观测（PHENO=1+2）的比例。要修正这个，我们需要基于完整数据集计算每个bin中PHENO=2的数量占总观测数的比例。

有两种常用方法：

方法1：直接在ggplot中计算比例 #

利用after_stat()函数在绘图时实时计算比例：

library(ggplot2)
library(scales)

ggplot(data = my.data, aes(x = as.factor(bins))) +
  # 绘制柱状图，y为PHENO=2的数量/总观测数
  geom_bar(aes(y = after_stat(count[PHENO == 2])/nrow(my.data)),
           stat = "count",
           subset = .(PHENO == 2)) +
  # 设置y轴为百分比格式
  scale_y_continuous(labels = percent_format(), limits = c(0, 0.15)) +
  # 保留你的参考线和注释
  geom_hline(yintercept = 0.05, linetype="dashed", color = 'blue', size = 1) +
  annotate(geom = "text", label = 'Prevalence 5%', x = 1.5, y = 0.05, vjust = -1, col = 'blue')

方法2：先预处理数据（更直观） #

先计算好每个bin的比例，再绘图，这样更容易验证数值是否正确：

library(ggplot2)
library(scales)
library(dplyr)

# 预处理：计算每个bin中PHENO=2的百分比（基于总观测数）
summary_data <- my.data %>%
  group_by(bins) %>%
  summarise(
    pheno2_count = sum(PHENO == 2),
    total_obs = nrow(my.data),
    pheno2_pct = pheno2_count / total_obs
  )

# 用预处理后的数据绘图
ggplot(summary_data, aes(x = as.factor(bins), y = pheno2_pct)) +
  geom_col(fill = "steelblue") +
  scale_y_continuous(labels = percent_format(), limits = c(0, 0.15)) +
  geom_hline(yintercept = 0.05, linetype="dashed", color = 'blue', size = 1) +
  annotate(geom = "text", label = 'Prevalence 5%', x = 1.5, y = 0.05, vjust = -1, col = 'blue')

问题2：添加正确的频率标签 #

你之前的标签用了as.factor(bins)，所以显示的是bin编号，而不是频率。我们需要把标签改成计算好的百分比，同样分两种方法：

对应方法1的标签代码 #

在原ggplot代码中添加geom_text，用after_stat()计算标签内容：

# 接方法1的代码，添加这部分
geom_text(aes(y = after_stat(count[PHENO == 2])/nrow(my.data)),
          stat = "count",
          subset = .(PHENO == 2),
          label = scales::percent(after_stat(count[PHENO == 2])/nrow(my.data)),
          vjust = -0.25)

对应方法2的标签代码 #

用预处理好的summary_data，直接调用计算好的百分比：

# 接方法2的代码，添加这部分
geom_text(aes(label = percent(pheno2_pct)), vjust = -0.25)

完整示例代码（预处理版，推荐） #

library(ggplot2)
library(scales)
library(dplyr)

# 模拟你的数据（方便测试）
set.seed(123)
my.data <- data.frame(
  PHENO = factor(sample(c(1,2), 1000, replace = TRUE, prob = c(0.95, 0.05))),
  bins = sample(1:10, 1000, replace = TRUE)
)

# 预处理数据
summary_data <- my.data %>%
  group_by(bins) %>%
  summarise(
    pheno2_count = sum(PHENO == 2),
    total_obs = nrow(my.data),
    pheno2_pct = pheno2_count / total_obs
  )

# 最终绘图
ggplot(summary_data, aes(x = as.factor(bins), y = pheno2_pct)) +
  geom_col(fill = "steelblue") +
  scale_y_continuous(labels = percent_format(), limits = c(0, 0.15)) +
  geom_hline(yintercept = 0.05, linetype="dashed", color = 'blue', size = 1) +
  annotate(geom = "text", label = 'Prevalence 5%', x = 1.5, y = 0.05, vjust = -1, col = 'blue') +
  geom_text(aes(label = percent(pheno2_pct)), vjust = -0.25) +
  labs(x = "Bins", y = "Percentage of Total Observations (PHENO=2)")

这样绘制出来的图表，y轴的百分比就是基于所有观测数的，每个柱子上方也会显示对应的百分比标签啦！

内容的提问来源于stack exchange，提问作者tibetish