当然没问题！你想要压缩0-0.75评分区间的显示空间，把重点放在0.75-1.00的核心数据上，有两种实用的方法，结合你的现有代码给你详细说明：

方法1：非线性坐标轴变换（保留全量数据） #

这种方法会对坐标轴做自定义变换，让低分值区间的显示空间被压缩，高分值区间被放大，同时不会截断任何数据——适合你需要展示整体分布但突出高分段细节的场景。

你需要用到scales包来创建自定义变换，修改后的代码如下：

library(ggplot2)
library(scales) # 加载scales包用于自定义轴变换

ggplot(data=Violin_plots, aes(x = Year, y = Score)) + 
  geom_violin(aes(fill = Year), trim = TRUE) + # 这里简化fill的写法，符合ggplot规范
  coord_flip() + 
  scale_fill_brewer(palette = "Blues") + 
  theme(legend.position = 'none') + 
  labs(y = "Rating score", fill = "Rating year", title = "Violin-plots of credit rating scores") +
  # 核心：自定义y轴变换，实现区间压缩与放大
  scale_y_continuous(
    trans = trans_new(
      name = "score_focus",
      # 变换函数：0-0.75压缩到原空间的1/4，0.75-1.0拉伸到原空间的3倍
      transform = function(x) ifelse(x <= 0.75, x/4, 0.75/4 + (x - 0.75)*3),
      # 逆变换，保证刻度正确映射
      inverse = function(x) ifelse(x <= 0.75/4, x*4, 0.75 + (x - 0.75/4)/3)
    ),
    # 自定义刻度，高分段设置更密集的刻度
    breaks = c(0, 0.25, 0.5, 0.75, 0.8, 0.85, 0.9, 0.95, 1.0)
  )

关键细节说明： #

• 自定义变换逻辑：把0-0.75的区间压缩到原本1/4的显示空间，0.75-1.0的区间则拉伸到3倍空间，完美匹配你聚焦高分段的需求。
• 刻度优化：通过breaks参数手动设置刻度，在高分段增加更多刻度点，让读者能更清晰地分辨细节。
• 我把aes(fill = Violin_plots$Year)改成了aes(fill = Year)，这是ggplot的标准写法，能避免潜在的数据环境问题。

方法2：直接截断并放大目标区间（仅展示核心数据） #

如果你不需要展示0-0.75的区间，只想专注于0.75-1.0的部分，可以直接通过coord_flip()的参数限定显示范围，实现快速放大：

ggplot(data=Violin_plots, aes(x = Year, y = Score)) + 
  geom_violin(aes(fill = Year), trim = TRUE) + 
  coord_flip(xlim = c(0.75, 1.0)) + # 翻转后Score对应x轴，因此设置xlim限定范围
  scale_fill_brewer(palette = "Blues") + 
  theme(legend.position = 'none') + 
  labs(y = "Rating score", fill = "Rating year", title = "Violin-plots of credit rating scores") +
  # 给高分段设置合适的刻度
  scale_y_continuous(breaks = c(0.75, 0.8, 0.85, 0.9, 0.95, 1.0))

关键细节说明： #

• coord_flip(xlim = c(0.75, 1.0))直接把图的显示范围锁定在0.75-1.0，相当于自动放大了这个区间的显示空间。
• 这种方法的优势是简单直接，但会截断0-0.75区间的数据，读者无法看到这部分的分布情况，适合只需要展示核心数据的场景。

你可以根据自己的可视化需求选择对应的方法～

内容的提问来源于stack exchange，提问作者Akeka