咨询ggplot2中实现直方图y轴仅显示整数型频率计数刻度的通用方法

方案核心逻辑 #

ggplot2默认生成连续y轴刻度时，会根据当前视图范围自动选择步长。当计数范围较小时（比如最大计数值小于10），默认步长可能设置为非整数值，最终生成0、2.5、5、7.5这类不符合计数场景的小数刻度。
我们可以直接使用base R内置的pretty()函数生成适配数据范围的均匀整数刻度，全程不需要引入任何外部包。

可直接复用的代码实现 #

针对已经提前汇总好的分箱计数数据：

library(ggplot2)

sample <- data.frame(binMidPts = c(4500,5500,6500,7500), counts = c(8,0,9,3))

ggplot(data = sample, aes(x = binMidPts, y = counts)) +
  geom_col() +
  scale_y_continuous(
    breaks = round(pretty(range(c(0, sample$counts))))
  )

方案特性 #

• 完全符合无外部依赖要求：仅使用base R内置的pretty()、range()、round()函数，搭配ggplot2原生的尺度函数，不需要加载scales等第三方包
• 自动适配不同规模的数据集：不需要提前硬编码刻度值，无论最大计数值是3、30还是300，pretty()都会自动计算视觉上间隔舒适的整数步长，避免出现无意义的小数
• 符合可视化规范：通过在范围计算时主动纳入0，保证y轴从0刻度开始，不会出现截断柱子高度误导读者的问题，同时解决了原生pretty()生成的刻度可能不覆盖0点的问题

常见误区说明 #

• 不推荐使用scale_y_discrete()实现需求：该函数会将连续的计数值映射为离散类别，导致不同计数的柱子高度失去真实数值比例（例如计数8和计数9的柱子会被绘制成完全等高），违背直方图/柱状图的可视化原则
• 不需要将计数数据转换为因子：转换为因子同样会破坏连续数值的映射关系，没有实际收益
• 直接用geom_histogram()的场景适配：如果没有提前汇总分箱数据、直接用geom_histogram()统计原始数据，只需要将range()内的计数值替换为对应数据集的最大可能分箱计数即可，pretty()会自动生成适配的整数刻度。

提示：如果你的数据集动态变化频繁，还可以将这段尺度逻辑封装成自定义函数，在不同绘图场景下直接调用，不需要每次手动修改刻度参数。

内容的提问来源于stack exchange，提问作者latitude_longitude