ggplot2+dplyr处理含字符的样本列排序及geom_col图x轴间隔问题

核心解决思路：将x轴的样本名列转换为自定义顺序的因子类型，使用离散坐标轴绘制，既可以实现「数值样本升序、阴性对照N放末尾」的排序要求，也不会出现连续坐标轴的不均匀间隔问题。

方法1：手动指定因子顺序（逻辑清晰，适配绝大多数场景） #

library(tidyverse)

# 构造示例数据
sample_names <- c(100,22,4,5,6,"N")
size <- c(3,2,3,4,2,3)
d <- data.frame(sample_names, size)

# 提取非"N"的数值样本，转整数后升序排序，再把"N"拼接在末尾作为因子层级
num_levels <- sort(as.integer(setdiff(d$sample_names, "N")))
custom_levels <- c(as.character(num_levels), "N")

# 将样本名列转为指定顺序的因子
d <- d %>% 
  mutate(sample_names = factor(sample_names, levels = custom_levels))

# 直接绘图即可得到符合要求的x轴顺序
ggplot(d, aes(x = sample_names, y = size)) +
  geom_col(fill = "steelblue") +
  labs(x = "样本名称", y = "数值")

方法2：自动排序（适合大样本量场景，无需手动提取数值样本） #

如果样本量极大，手动提取数值样本效率低，可以通过自定义排序规则直接生成因子层级：

d <- d %>%
  # 排序规则：非N样本按数值升序排列，N的排序权重设为无穷大自动排到末尾
  arrange(ifelse(sample_names == "N", Inf, as.integer(sample_names))) %>%
  # 按排序后的行顺序直接设置因子层级
  mutate(sample_names = fct_inorder(sample_names))

原方案问题说明 #

之前将样本名转为数值型的操作会让ggplot将x轴识别为连续数值轴，100、22等数值的间隔会按照实际数值差渲染，才会出现多余间隔。转为因子后x轴为离散轴，所有类别间隔均匀，完全避免该问题。

内容的提问来源于stack exchange，提问作者CoDa