R中geom_histogram设置position="identity"时相同数据集显示不一致如何解决

你遇到的红色直方图表现不一致，核心原因是geom_histogram()在仅指定bins=30参数时，会自动根据当前传入的整个绘图数据集的取值范围计算bin的边界、宽度。你每张子图的输入数据集是固定的红色1000样本+不同数量的蓝色子样本，不同子图的整体取值范围存在差异，导致bin的划分规则不统一：哪怕红色样本完全相同，相同取值会被划入不同的bin，最终计数、分布展示出现差异，子样本量越小，整体取值范围波动越大，差异越明显，符合你观察到的250样本子图差异最显著的现象。

• 方案1：统一指定所有直方图的bin边界
  提前计算所有样本的取值上下限，生成固定的bin断点，所有子图绘图时都传入该断点，替换原有bins=30参数即可。示例代码如下：

# 提取所有样本的取值，计算统一断点
all_val <- c(test$value, test_2$value, test_3$value, test_4$value, test_5$value, test_6$value)
# 30个bin对应31个断点
uni_breaks <- seq(min(all_val), max(all_val), length.out = 31)

# 绘图时替换参数，以其中一个图为例，其余图做相同修改即可
draws_750_p<-ggplot(data = test_2_final, aes(x=value, fill=type, color=type)) + 
  geom_histogram(position="identity", alpha = 0.2, breaks = uni_breaks) + 
  theme(plot.title = element_text(hjust = 0.5, size=10, face="plain"))

• 方案2：使用ggplot分面功能替代手动拼接子图
  不需要单独生成5张图再用plot_grid拼接，直接把所有数据合并为一张大表，用facet_wrap生成分面，ggplot会自动统一所有分面的bin划分、坐标轴范围，天然保证红色直方图表现一致，同时大幅简化代码：

library(data.table)
library(ggplot2)

# 生成基础红色样本
base_dt <- data.table(value = rnorm(1000), type = "Sample")
# 生成不同大小的蓝色子样本，合并为总表
sub_list <- list(
  `750` = data.table(value = rnorm(750), type = "Sub Sample"),
  `500` = data.table(value = rnorm(500), type = "Sub Sample"),
  `250` = data.table(value = rnorm(250), type = "Sub Sample"),
  `100` = data.table(value = rnorm(100), type = "Sub Sample"),
  `50` = data.table(value = rnorm(50), type = "Sub Sample")
)
full_dt <- rbindlist(lapply(names(sub_list), function(size) {
  rbind(base_dt, sub_list[[size]])[, sub_size := size]
}))

# 直接绘图分面
ggplot(full_dt, aes(x=value, fill=type, color=type)) +
  geom_histogram(position="identity", alpha = 0.2, bins=30) +
  facet_wrap(~sub_size, nrow = 2, ncol = 3) +
  theme(plot.title = element_text(hjust = 0.5, size=10, face="plain"))

内容的提问来源于stack exchange，提问作者bziggy