R语言ggplot按分面多子条件计算并标注分布曲线峰值的方法

核心解决的痛点 #

• 替代手动拆分原始数据集逐组计算的低效率流程
• 规避直方图任意分箱带来的峰值结果偏差，保证计算值和ggplot绘制的密度曲线峰值完全匹配
• 支持双维度交叉分面（如处理×沉默亚组）的批量计算，结果可直接用于控制台输出和图面标注

第一步：批量输出所有交叉分组的峰值数值 #

思路：用dplyr分组语法直接按分面对应的两个维度（silence、treat）做批量拆分计算，每组内调用R基础的density()函数生成和ggplot默认逻辑一致的平滑密度曲线，直接提取密度最高点对应的x轴强度值，全程无需手动处理子集。

注：原示例代码存在数据长度不匹配的问题，以下为可直接运行的修正版代码

set.seed(1234)
library(tidyverse)

# 生成匹配长度的示例数据集
n_per_group <- 10000
silence_levels <- c("sil1", "sil2", "sil3", "sil4", "sil5")
treat_levels <- c("con", "uos", "uos+wnt5a", "wnt5a")

df <- expand_grid(
  silence = factor(silence_levels),
  treat = factor(treat_levels)
) |> 
  slice(rep(1:n(), each = n_per_group)) |> 
  mutate(intensity = sample(4000:10000, n(), replace = TRUE))

# 批量计算所有交叉子组的密度峰值
peak_df <- df |> 
  group_by(silence, treat) |> 
  reframe(
    # 计算当前组的平滑密度曲线，默认参数和ggplot2的geom_density完全对齐
    dens = list(density(intensity)),
    # 提取密度最大值对应的x轴（强度）值
    peak_x = dens[[1]]$x[which.max(dens[[1]]$y)],
    # 同步提取峰值位置的密度高度，方便后续图面标注定位
    peak_y = max(dens[[1]]$y)
  ) |> 
  select(-dens)

# 控制台直接输出所有交叉分组的峰值结果
peak_df

运行完这段代码，会直接返回所有“处理×沉默亚组”交叉组合对应的峰值强度值，满足基础需求。

第二步：分面图上叠加峰值标注 #

直接复用上面生成的peak_df作为标注图层的数据源，在每个分面中添加对应峰值的竖线和数值标注：

ggplot(df, aes(x = intensity)) +
  geom_density(fill = "lightblue", alpha = 0.5) +
  # 双维度交叉分面，和之前的分组计算维度完全对齐
  facet_grid(silence ~ treat) +
  theme_bw() +
  # 每个子组的峰值参考竖线
  geom_vline(
    data = peak_df,
    aes(xintercept = peak_x),
    color = "red",
    linetype = "dashed",
    linewidth = 0.8
  ) +
  # 峰值位置的文本数值标注
  geom_text(
    data = peak_df,
    aes(x = peak_x, y = peak_y, label = round(peak_x, 0)),
    vjust = -0.5,
    color = "red",
    size = 3
  )

注意事项 #

• 如果需要调整密度曲线的平滑程度，需要同时给density()计算函数和geom_density()图层设置完全一致的带宽（bw）参数，避免标注的峰值和实际曲线最高点错位
• 该方法对百万级样本量的数据集计算耗时仅需数秒，远优于循环逐组拆分计算的效率

内容的提问来源于stack exchange，提问作者Walker