ggplot中Y轴设置间隙：如何聚焦多数数据同时保留高值显示

嘿，这个需求太常见啦！我给你准备了两种实用的ggplot解决方案，既能让你聚焦0-200区间的核心数据，又不会漏掉那个3000的异常值～

方法1：截断Y轴并标记异常值 #

这种方法通过缩放Y轴聚焦核心区间，同时用醒目的标记提示异常值的存在，还能保留异常值的位置信息。关键是用coord_cartesian()而不是ylim()——前者只是缩放视图，不会删除异常值数据，这是重点！

示例代码 #

library(ggplot2)

# 构造模拟数据（和你的场景匹配）
set.seed(123)
df <- data.frame(
  x = 1:50,
  y = c(rnorm(49, mean = 100, sd = 30), 3000) # 49个正常数据 + 1个3000的异常值
)

ggplot(df, aes(x, y)) +
  # 绘制所有数据点
  geom_point(size = 2) +
  # 聚焦0-200区间，保留全部数据
  coord_cartesian(ylim = c(0, 200)) +
  # 用红色大圆点突出异常值
  geom_point(data = subset(df, y > 200), aes(x, y), color = "red", size = 4) +
  # 添加Y轴截断标记（必须加！避免误导读者）
  annotate("segment", x = 45, xend = 48, y = 200, yend = 200, size = 1.5) +
  annotate("segment", x = 46, xend = 47, y = 195, yend = 205, size = 1.5) +
  # 给异常值添加数值标签
  geom_text(data = subset(df, y > 200), aes(label = y), vjust = -1, color = "red") +
  labs(title = "核心数据分布（0-200区间）", y = "数值") +
  theme_minimal()

关键点说明 #

• coord_cartesian(ylim = c(0,200))：只缩放Y轴显示范围，不会过滤掉异常值，所以能准确定位异常值的X位置。
• 截断标记：一定要加上，明确告诉读者Y轴被截断了，避免图表误导。
• 异常值高亮：用不同颜色、大小的点和标签，让读者一眼看到异常值的存在和具体数值。

方法2：添加小图（Inset）展示完整数据 #

如果觉得截断轴容易产生误解，这种方法更严谨——主图聚焦核心数据，右上角放一个小图展示完整数据全貌，既能看清细节，又能让读者知道异常值的存在。需要用到patchwork包来组合图表。

示例代码 #

library(ggplot2)
library(patchwork)

# 沿用之前的df数据
# 主图：聚焦0-200区间的核心数据
main_plot <- ggplot(df, aes(x, y)) +
  geom_point(size = 2) +
  coord_cartesian(ylim = c(0, 200)) +
  labs(title = "核心数据分布（0-200）", y = "数值") +
  theme_minimal()

# 小图：展示完整数据，突出异常值
inset_plot <- ggplot(df, aes(x, y)) +
  geom_point(size = 1) +
  geom_point(data = subset(df, y > 200), color = "red", size = 2) +
  labs(title = "完整数据一览", x = NULL, y = NULL) +
  theme_minimal() +
  # 调整小图的文字大小，避免喧宾夺主
  theme(plot.title = element_text(size = 10),
        axis.text = element_text(size = 8))

# 组合主图和小图：小图放在主图右上角
main_plot + inset_element(inset_plot, left = 0.7, bottom = 0.7, right = 0.99, top = 0.99)

关键点说明 #

• patchwork包：非常方便的ggplot图表组合工具，inset_element()可以精准控制小图的位置和大小。
• 小图作用：既能展示异常值的全貌，又不会干扰主图的核心数据展示，适合需要严谨性的场景。

总结 #

• 如果你需要简单快速的展示，方法1（截断轴+标记）足够好用；
• 如果你追求图表的严谨性，避免读者误解，方法2（主图+小图）是更好的选择。

内容的提问来源于stack exchange，提问作者Bella