ggplot百分比柱状图问题排查：按地区划分首次饮酒年龄占比

核心错误点： #

• 重复调用geom_bar()，导致原始计数与百分比图层叠加，显示逻辑混乱
• 百分比计算用全局总和sum(..count..)，未按**年龄组（ALCTRY）+地区（COUTYP4）**分组计算占比，无法实现同年龄组内各地区占比为100%的需求
• position="dodge"仅作用于第一个柱状图层，百分比图层未设置分组错开，无法正确展示分组对比
• 使用scale_color_viridis()但映射的是fill美学，配色未生效
• 未使用NSDUH数据的抽样权重（如ANALWT_C）做人口调整，结果不具备真实人口代表性
• Y轴标签与图表意图不符（实际展示百分比，却标注“Number Initiated”）

修正后的代码： #

palc.age.ct <- data1.cleaned %>%
  mutate(ALCTRY = na_if(ALCTRY, "Never Used")) %>%
  drop_na(ALCTRY) %>%
  # 按年龄+地区分组，计算加权样本量（匹配真实人口分布）
  group_by(ALCTRY, COUTYP4) %>%
  summarise(weighted_count = sum(ANALWT_C)) %>%
  ungroup() %>%
  # 按年龄组计算各地区的占比（同年龄组内占比总和为100%）
  group_by(ALCTRY) %>%
  mutate(pct = weighted_count / sum(weighted_count)) %>%
  ungroup() %>%
  ggplot(aes(x = ALCTRY, y = pct, fill = COUTYP4)) +
  geom_col(position = "dodge") + # 直接绘制预计算的百分比数值
  scale_y_continuous(labels = scales::percent) +
  theme_minimal() +
  labs(title = "First Alcohol Use by Age and Locality",
       x = "Age Initiated", y = "Percentage of Initiates by Locality") +
  scale_fill_viridis_d(option = "D") # 匹配fill美学的离散配色

关键说明： #

1. 加权计算：NSDUH为抽样调查，必须用ANALWT_C（对应年份的权重变量）计算人口代表性数据，避免样本偏差
2. 分组占比逻辑：通过group_by(ALCTRY)确保每个年龄组内的地区占比总和为100%，符合“按年龄划分的地区占比”需求
3. 图层简化：用geom_col()替代重复的geom_bar()，直接基于预计算的百分比绘制，避免ggplot内部统计逻辑冲突
4. 配色修正：替换为scale_fill_viridis_d()匹配fill映射，正确应用配色方案

内容的提问来源于stack exchange，提问作者Kimberly Boland