如何在ggplot2直方图稳定叠加标签并提取geom_histogram分箱数据

问题1：稳定实现该图表的方案 #

你出现标签错位的核心原因是手动分箱的规则和geom_histogram内部stat_bin的分箱规则不统一，不需要硬编码参数，也不需要手动提取分箱上下限，直接复用ggplot2内部的分箱结果即可，有两种简便实现方式：

方案1：用after_stat直接在stat_bin内生成标签 #

这种方式完全不需要提前处理分箱，所有分箱逻辑统一由stat_bin控制，指定bins=13即可通用适配不同数据集：

library(ggplot2)
library(dplyr)
ex = data.frame(year=c(1971,1973,1975,1977,1979,1981,1983,1985,1987,1989,1991,1993,1995,1997,1999,2001,2003,2005,2007,2009,2011,2013,2015,2017,2019), occurances=c(347,773,589,462,280,455,1037,707,663,746,531,735,751,666,642,457,411,286,496,467,582,577,756,557,373))

ggplot(ex, aes(x=occurances)) +
  # 直方图，统一指定bins=13
  geom_histogram(aes(fill=year==2019), bins=13, color="white") +
  # 标签直接用stat_bin生成，每个bin内的标签按year排序堆叠
  stat_bin(
    aes(label=year, y=after_stat(ymax - 0.5)),
    bins=13,
    geom="text",
    color="white",
    position=position_stack(vjust=0.5)
  ) +
  coord_flip() +
  theme_minimal()

方案2：提前统一分箱后用堆叠条形图实现 #

如果需要更灵活控制分箱逻辑，可以提前用和stat_bin完全一致的规则分箱，后续直接用堆叠条形图绘制，避免两次分箱逻辑不一致：

# 先统一计算bins=13对应的分箱参数
bin_num <- 13
bin_width <- (max(ex$occurances) - min(ex$occurances)) / bin_num
boundary <- floor(min(ex$occurances)/bin_width)*bin_width

# 统一分箱、计算每个bin内的位置
ex_bin <- ex %>%
  mutate(
    bin = cut_width(occurances, width = bin_width, boundary = boundary),
    bin_mid = (as.numeric(sub("\\((.+),.*", "\\1", bin)) + as.numeric(sub("[^,]*,([^]]*)\\]", "\\1", bin)))/2
  ) %>%
  group_by(bin) %>%
  arrange(year) %>%
  mutate(pos = row_number()) %>%
  ungroup()

# 直接用geom_tile绘制，不需要再走geom_histogram的分箱逻辑
ggplot(ex_bin, aes(x=bin_mid, y=pos, fill=year==2019)) +
  geom_tile(width=bin_width*0.9, height=0.9, color="white") +
  geom_text(aes(label=year), color="white") +
  coord_flip() +
  labs(x="occurances", y="count") +
  theme_minimal()

问题2：geom_histogram触发重新分箱的原因 #

不存在“无关代码影响分箱”的情况，你观察到的分箱变动本质是两个原因：

1. 参数优先级冲突：ggplot2的stat_bin如果同时收到bins和binwidth/boundary参数，会优先使用binwidth/boundary，如果都没指定，才会用默认的bins=30。你不同版本代码里混用bins=13和手动指定的binwidth=63、boundary=410，分箱规则不一样自然结果不同。
2. 默认分箱边界的适配规则：如果没有显式指定boundary或center，stat_bin会自动把分箱边界对齐到更规整的数值（比如整十、整百），如果数据集变动或者你手动分箱时的截断逻辑和stat_bin默认的对齐逻辑不同，就会出现看似相同的bins参数但分箱结果不一致的情况。只要你显式指定分箱参数、保证手动分箱和stat_bin参数完全一致，就不会出现这个问题。

内容的提问来源于stack exchange，提问作者byteit101