如何使用dplyr为分组数据集中的各组绘制直方图？

要实现不同类别下的数值分布直方图，我们可以结合dplyr的管道语法让代码更连贯，搭配ggplot2完成绘图。group_by()主要用于分组数据计算，绘图时直接通过ggplot的分面或分组映射就能高效实现需求，以下是几种常见实现方式：

1. 加载所需包 #

library(dplyr)
library(ggplot2)

2. 数据集（你的原始数据） #

cat <- c(1, 0, 0, 1, 2, 1, 2, 3, 2, 1, 3)
var <- c(10, 5, 3, 2, 5, 1, 2, 10, 50, 2, 30)

df <- data.frame(cat, var)

3. 分面直方图（每个类别独立子图） #

这种方式最直观，每个类别单独展示分布：

df %>%
  ggplot(aes(x = var)) +
  geom_histogram(bins = 5, fill = "steelblue", color = "white") +
  facet_wrap(~cat, ncol = 2) +  # 按cat字段分面，设置2列布局
  labs(title = "各类别数值分布直方图", x = "数值", y = "频数")

4. 重叠直方图（同一图中用颜色区分组别） #

适合对比不同类别在相同数值区间的分布：

df %>%
  ggplot(aes(x = var, fill = factor(cat))) +
  geom_histogram(bins = 5, alpha = 0.7, position = "identity") +
  labs(title = "各类别数值分布重叠直方图", x = "数值", y = "频数", fill = "类别")

5. 堆叠直方图（数值区间内展示类别占比） #

可以看到每个数值区间内各类型的数量分布：

df %>%
  ggplot(aes(x = var, fill = factor(cat))) +
  geom_histogram(bins = 5, position = "stack") +
  labs(title = "各类别数值分布堆叠直方图", x = "数值", y = "频数", fill = "类别")

用group_by()预处理后绘图 #

如果需要先通过group_by()手动计算分组频数再绘图，可以这样做（本质是统计后的柱状图）：

df %>%
  group_by(cat, num_range = cut(var, breaks = 5)) %>%  # 按类别+数值区间分组
  summarise(count = n(), .groups = "drop") %>%  # 计算每组频数，取消分组
  ggplot(aes(x = num_range, y = count, fill = factor(cat))) +
  geom_col(position = "dodge") +  # 并列柱状图
  labs(title = "分组统计后的数值分布", x = "数值区间", y = "频数", fill = "类别")

内容的提问来源于stack exchange，提问作者John