基于dplyr开发含ggplot绘图的自定义统计函数需求

我来帮你把这个函数补全，先理清楚你的需求：你想要按指定的连续变量（比如示例里的Age）分组，计算保单年数总和、出险次数，算出出险频率后用ggplot2可视化。这里核心要注意tidyverse的非标准求值处理，不然直接用参数名会报错，我会用现在tidyverse推荐的{{}}（curly-curly）语法来解决这个问题。

完整函数代码 #

library(dplyr)
library(ggplot2)

plot_stats_freq_continu <- function(df, Var, y = NAP) {
  # 数据处理：分组计算保单年数、出险次数和频率
  data_graph <- df %>%
    mutate(sinistres = 1) %>%  # 新增出险标记列，每一行代表1次出险记录
    group_by({{Var}}) %>%      # 使用{{}}引用传入的分组变量
    summarise(
      Annee_police = sum({{y}}),  # 引用传入的y变量（默认是NAP）
      Nb_sinistres = sum(sinistres),
      .groups = "drop"  # 取消分组，避免后续绘图警告
    ) %>%
    mutate(Fréquence = Nb_sinistres / Annee_police)  # 计算频率，每组仅一个值无需mean
  
  # 绘图逻辑：针对连续变量的趋势展示
  p <- ggplot(data_graph, aes(x = {{Var}}, y = Fréquence)) +
    geom_line(color = "#2c3e50", linewidth = 1) +  # 折线展示整体趋势
    geom_point(size = 3, color = "#e74c3c") +     # 点标记每个分组的具体值
    geom_smooth(method = "loess", se = TRUE, color = "#3498db", alpha = 0.2) +  # 可选：添加趋势平滑线
    labs(
      title = paste("出险频率随", rlang::as_name(enquo(Var)), "的变化趋势"),
      x = rlang::as_name(enquo(Var)),  # 动态生成x轴标签（匹配传入的变量名）
      y = "出险频率（出险次数/保单年数）",
      caption = "数据来源：输入数据集"
    ) +
    theme_minimal() +
    theme(plot.title = element_text(hjust = 0.5, size = 14, face = "bold"))
  
  # 返回绘图对象
  return(p)
}

关键细节解释 #

1. 非标准求值处理：

   • 用{{Var}}和{{y}}来引用函数参数中的变量名，这是tidyverse最新推荐的语法，比旧的enquo()+!!更简洁，能正确识别你传入的列名（比如Age）。
   • 用rlang::as_name(enquo(Var))把参数变量转换成字符串，用来动态生成图表标题和坐标轴标签，让函数更灵活通用。

2. 数据处理优化：

   • 把df$sinistres <- rep(1,nrow(df))改成mutate(sinistres = 1)，更符合dplyr的链式操作风格，避免直接修改原数据集。
   • 移除了as.data.frame(data_graph)，ggplot可以直接处理dplyr生成的tibble，没必要额外转换。
   • 修正了Fréquence的计算：你原来写的mean((Nb_sinistres/Annee_police))是多余的，每组的Nb_sinistres和Annee_police都是单个汇总值，直接做除法即可。

3. 绘图逻辑选择：

   • 因为Var是连续变量（比如年龄），用折线图+散点的组合最适合展示趋势，同时添加平滑线可以更清晰地看到整体变化方向。
   • 用theme_minimal()做基础主题，再调整标题样式，让图表更美观易读。

示例用法 #

用你提供的测试数据来运行函数：

# 构造测试数据集
test_df <- tibble(
  Age = c(17, 18, 19),
  NAP = c(0.282, 0.8282, 0.223)
)

# 调用函数绘图
plot_stats_freq_continu(test_df, Age)

可自定义调整的地方 #

• 如果想要柱状图代替折线图，把geom_line()和geom_point()换成geom_col(fill = "#e74c3c")即可。
• 可以修改颜色、线条粗细、点的大小等视觉参数，匹配你的需求。
• 如果不需要平滑线，删掉geom_smooth()那一行就行。

内容的提问来源于stack exchange，提问作者Naï