R语言绘制镜像直方图：处理NA值且不丢失var2全部有效数据

核心思路是断开两个图层的数据源依赖，给每个直方图单独指定数据源，避免var1的NA过滤逻辑影响var2的全量数据计算，不需要修改原始数据的NA值。

依赖包准备 #

# 未安装对应包可先执行安装
# install.packages("ggplot2")
# install.packages("hrbrthemes")
library(ggplot2)
library(hrbrthemes)

修正后绘图代码 #

p <- ggplot() +
  # var1图层仅使用var1非空的行，保留全部100个有效值
  geom_histogram(data = data[!is.na(data$var1), ], 
                 aes(x = var1, y = ..density..), 
                 fill="#69b3a2", bins = 30) +
  geom_label(aes(x=4.5, y=0.25, label="variable1"), color="#69b3a2") +
  # var2图层使用全量数据集，1000条数据全部参与计算
  geom_histogram(data = data, 
                 aes(x = var2, y = -..density..), 
                 fill= "#404080", bins = 30) +
  geom_label(aes(x=4.5, y=-0.25, label="variable2"), color="#404080") +
  theme_ipsum() +
  xlab("value of x")

p

代码中的bins参数可根据需要调整直方图的柱数，获得更符合预期的视觉效果。

原代码问题说明 #

之前的代码将含NA的完整数据集作为全局数据源传入ggplot，图层默认继承全局数据时，会自动剔除所有存在任意变量缺失的行，导致var2的直方图也仅用到了和var1非NA匹配的100条数据。修改后每个图层单独指定数据源，互不影响：

• var1的直方图仅过滤自身的NA值，全部有效值参与密度计算
• var2的直方图使用全量数据，不受var1的NA干扰
• 全程没有修改原始数据的NA值，最终得到的分布形态和两个变量单独绘图的结果完全一致

内容的提问来源于stack exchange，提问作者Ruser-lab9