ggplot2中facet_wrap()为何支持~与vars()两种表达方式？

先看两种实现相同分面效果的代码：

加载数据 #

# load starwars and tidyverse
library(tidyverse)
data(starwars)

用~的写法 #

ggplot(data = starwars, mapping = aes(x = mass)) + 
   geom_histogram(fill = "blue", alpha = .2) + 
   theme_minimal() + 
   facet_wrap( ~ gender, nrow = 1)

用vars()的写法 #

ggplot(data = starwars, mapping = aes(x = mass)) + 
  geom_histogram(fill = "blue", alpha = .2) + 
  theme_minimal() + 
  facet_wrap( vars(gender), nrow = 1)

下面针对问题逐一解析：

1. 为什么facet_wrap()里~和vars()等价？ #

ggplot2的函数内部做了参数解析适配：当你传入~ gender时，ggplot2会自动把这个公式转换成和vars(gender)一致的变量选择逻辑——两者最终都是告诉函数“按gender变量的水平拆分分面”。vars()是ggplot2专门设计的显式变量选择函数，而~是利用R的公式语法做的隐式语法糖，底层处理逻辑最终对齐。

2. ~在这里的用法和R中典型用法的关联 #

R里~的核心作用是建立变量间的关联/表达依赖关系：

• 作为公式时（比如线性模型lm(y ~ x)），它用来表示响应变量和预测变量的关系；
• 作为匿名函数时（比如purrr::map(df, ~ .x * 2)），它是function(.x) .x * 2的简写，用~定义函数体，.或.x代表参数。

在facet_wrap(~ gender)里，~ gender本质是一个单变量公式，它表达的是“分面依赖于gender变量”，这和公式的核心作用一致——只不过这里没有响应变量，只指定了分组的自变量，ggplot2识别这种单变量公式为分组依据。

3. ~不是函数，为什么能和vars()等效？ #

~确实不是函数，它是R的语法元素，会被解析成formula类的对象。ggplot2的函数（比如facet_wrap、aes）内部有一套参数解析机制：

• 当检测到传入的是formula对象时，会提取公式中的变量（这里就是gender）；
• 当传入vars()的结果时，vars()返回的是一个包含变量引用的特殊列表，ggplot2直接读取其中的变量。

两者最终都是向facet_wrap()传递了“按gender变量拆分”的指令，所以效果完全一致。

内容的提问来源于stack exchange，提问作者JElder