R语言自动批量生成分类变量同页直方图的实现方法咨询

• 语法报错：每段绘图语句末尾多写了一个右括号))，直接触发R的解析错误
• par(mfrow = c(1,2))失效：你调用的histogram()不是Base R的内置函数，是lattice包的网格类绘图函数，这类图形完全不受Base R的par()布局参数管控，分栏配置自然不会生效。

你提出的批量绘图需求完全可以通过自动化逻辑实现，不需要逐行编写单变量绘图语句。

ggplot2确实是这类场景的更优选择 #

相比逐行写代码、搭配Base R布局，ggplot2在批量分类变量频次统计的场景下优势非常明确：

• 不需要手动调整分栏参数，自动适配多图排版
• 可以自动识别数据集内的所有分类（因子型）变量，不需要逐列手动写绘图逻辑
• 全局配色、字体、风格统一，不会出现不同绘图引擎混用的适配问题

可落地的高效实现路径 #

方法1：for循环实现可控批量绘图 #

这种方法逻辑透明，可以随时给单个变量的图加个性化调整，适合需要微调图形的场景：

1. 先自动筛出数据集中所有分类变量的列名，不需要手动列：

# 自动识别数据集内所有因子型（分类）变量
cat_cols <- names(data)[sapply(data, is.factor)]

2. 加载依赖包，循环生成每个变量的频次图：

library(ggplot2)
library(patchwork)

# 初始化空列表存生成的图形
plot_list <- list()
# 遍历所有分类变量
for (col in cat_cols) {
  p <- ggplot(data, aes(x = .data[[col]])) +
    geom_bar(fill = "#69b3a2", alpha = 0.8) +
    labs(title = col, x = "") +
    theme_minimal() +
    # 类别名较长时自动旋转标签，避免文字重叠
    theme(axis.text.x = element_text(angle = 45, hjust = 1))
  plot_list[[col]] <- p
}

# 把所有生成的图按单行排布，铺满整个页面
wrap_plots(plot_list, nrow = 1)

方法2：长表转换 + 分面实现极简绘图 #

如果不需要对单图做差异化调整，这种方法比循环代码量更少，效率更高：

library(tidyverse)

data %>%
  # 把所有分类变量转换为长表格式，生成统一的两列存储变量名、变量取值
  pivot_longer(cols = all_of(cat_cols), names_to = "var_group", values_to = "var_val") %>%
  ggplot(aes(x = var_val)) +
  geom_bar(fill = "#69b3a2", alpha = 0.8) +
  # 按变量名自动分面，适配每个图的X轴范围
  facet_wrap(~var_group, scales = "free_x") +
  labs(x = "", y = "样本计数") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

避坑提醒 #

• 不要用hist()给分类变量绘图：hist()是为连续变量设计的分箱计数函数，给因子类变量使用时会把因子的数值编码当成连续值处理，输出结果完全不符合预期。分类变量的频次图本质是按类别统计数量的柱状图，和连续变量的直方图逻辑完全不同。
• 如果坚持用Base R实现，循环里调用barplot(table(data[[col]]))即可，par(mfrow)对这个函数是生效的，但排版灵活性远低于ggplot2方案。
• 之前用到的lattice包的histogram()如果要调整布局，需要用gridExtra::grid.arrange()工具，不能依赖Base R的par()参数。

内容的提问来源于stack exchange，提问作者stats_noob