ggplot按分组变量绘制直方图时比例计算错误的问题

嘿，我完全懂你的困扰！你用facet_wrap(~group)生成了分面直方图，但比例却是按整个数据集算的，不是每个分组内部的占比——这确实是ggplot统计量计算时容易忽略的细节。

问题根源 #

原来的代码里，..count../sum(..count..)中的sum(..count..)会把所有分组的计数加总，而不是每个分面（group）单独计算总和，导致比例失真。

解决方案1：在ggplot中直接按组计算统计量 #

用after_stat()（ggplot2 3.3.0及以上版本推荐）配合group=group，告诉ggplot要按group变量分组计算统计量：

ggplot(data = d) +
  geom_histogram(
    aes(x = n, y = after_stat(count / sum(count)), group = group),
    binwidth = 1
  ) +
  facet_wrap(~group)

这里的group=group是关键：它让每个分面内的sum(count)只计算当前组的总观测数，这样得到的就是每个组内部的比例了。

解决方案2：先预处理数据（更直观可控） #

如果想更清晰地看到比例计算过程，避免ggplot内部统计量的“黑箱”，可以先用dplyr预处理数据，再用geom_col()绘制：

library(dplyr)

# 先计算每个group内n的计数和比例
d_summary <- d %>%
  group_by(group, n) %>%
  tally(name = "count") %>%  # 统计每组每个n的出现次数
  mutate(prop = count / sum(count))  # 计算组内比例

# 绘制柱状图（因为已经是汇总数据，用geom_col更合适）
ggplot(d_summary, aes(x = n, y = prop)) +
  geom_col(width = 1) +  # width=1匹配原来的binwidth=1
  facet_wrap(~group)

这种方法的好处是你可以先检查d_summary的数据，确认比例计算正确后再绘图，适合复杂的统计场景。

旧版本ggplot2兼容提示 #

如果你用的是ggplot2 3.3.0以下的版本，把after_stat()换成stat()即可，或者继续用..count../sum(..count..)语法，但同样要加上group=group参数。

内容的提问来源于stack exchange，提问作者StatsBoy