如何在ggplot2分面图中基于分面全量数据设置刻度断点？

问题说明 #

用ggplot做分面可视化时，想让每个分面的x轴刻度断点基于全部数据生成，但默认scale_x_continuous()的breaks参数函数只能拿到当前分面的x变量极值范围，没法直接用全量数据计算断点。比如示例里用summary(x)生成断点时，实际是基于分面的局部极值，而非全量数据的统计结果。

原代码示例 #

library(data.table)
library(tidyverse)
dt <- data.table(x = rnorm(1000),
                 group = sample(c(1,2), size=1000, replace = TRUE))

breaks_f <- function(x){ 
  print(x) # 输出的是当前分面的x极值范围，不是全量数据
  as.numeric(ceiling(summary(x)))
}

dt %>% 
  ggplot(aes(x=x)) +
  geom_density(adjust=.8, color = NA, alpha = .8, fill = 'blue')+
  scale_x_continuous(breaks = breaks_f) +
  facet_wrap(vars(group), scales = 'free')

解决方案 #

方案1：预计算全量数据的断点 #

提前基于所有数据计算好断点，直接传入breaks参数：

library(data.table)
library(tidyverse)
dt <- data.table(x = rnorm(1000),
                 group = sample(c(1,2), size=1000, replace = TRUE))

# 基于全量x数据计算断点
full_breaks <- as.numeric(ceiling(summary(dt$x)))

dt %>% 
  ggplot(aes(x=x)) +
  geom_density(adjust=.8, color = NA, alpha = .8, fill = 'blue')+
  scale_x_continuous(breaks = full_breaks) +
  facet_wrap(vars(group), scales = 'free')

方案2：用闭包让breaks函数访问全量数据 #

如果需要动态适配数据变化，用闭包把全量数据传入断点函数，确保每次计算都用全量数据：

library(data.table)
library(tidyverse)
dt <- data.table(x = rnorm(1000),
                 group = sample(c(1,2), size=1000, replace = TRUE))

# 定义生成断点函数的闭包，传入全量数据
make_breaks <- function(full_data) {
  function(x) {
    # 基于全量x数据计算断点
    as.numeric(ceiling(summary(full_data$x)))
  }
}

dt %>% 
  ggplot(aes(x=x)) +
  geom_density(adjust=.8, color = NA, alpha = .8, fill = 'blue')+
  scale_x_continuous(breaks = make_breaks(dt)) +
  facet_wrap(vars(group), scales = 'free')

这两种方法都能让每个分面的x轴断点基于全量数据生成，方案1适合固定场景，方案2更灵活，能随数据更新自动重新计算。

内容的提问来源于stack exchange，提问作者gabagool