如何用R的ggplot绘制多变量直方图？附示例数据

当然可以用ggplot2实现你想要的这种图形！你遇到的问题本质是宽格式数据转长格式的问题——ggplot2更适合处理“每个观测值一行”的整洁数据，而你的示例数据是宽格式（每个统计变量占一列）。下面是完整的实现步骤：

1. 构造示例数据 #

首先把你提供的数据转换成R可识别的数据框：

library(tidyverse)

# 构造示例数据框
df <- tibble(
  X = c("A", "B", "C", "D", "E", "F"),
  aggr_a = c(470676, 549142, 256204, 248256, 1581770, 1932096),
  aggr_b = c(594423, 657291, 311723, 276593, 1717788, 2436769),
  count = c(58615, 67912, 26606, 40201, 250553, 385556)
)

2. 转换为长格式数据 #

使用tidyr::pivot_longer()把宽格式数据转成ggplot需要的长格式——将aggr_a、aggr_b、count三个变量合并为两列：一列表示统计量名称（metric），一列表示对应数值（value）：

df_long <- df %>%
  pivot_longer(cols = -X,  # 除了X列之外的所有列都要转换
               names_to = "metric",  # 新列名：统计量类型
               values_to = "value")  # 新列名：统计量数值

转换后的数据结构大概是这样的：

# A tibble: 18 × 3
   X     metric   value
   <chr> <chr>    <dbl>
 1 A     aggr_a  470676
 2 A     aggr_b  594423
 3 A     count    58615
 4 B     aggr_a  549142
# … with 14 more rows

3. 绘制分组柱状图 #

现在用ggplot2绘制每个类别（X）下对应三个统计量的柱状图，通过fill参数区分不同统计量，position = "dodge"让同一类别下的柱子并排显示：

ggplot(df_long, aes(x = X, y = value, fill = metric)) +
  geom_col(position = position_dodge(width = 0.8), width = 0.7) +  # 调整柱子宽度和间距
  labs(
    title = "各类别统计量对比",
    x = "类别",
    y = "数值",
    fill = "统计量类型"
  ) +
  theme_minimal() +
  # 可选：添加柱子顶部的数值标签
  geom_text(
    aes(label = scales::comma(value)),  # 用千分位格式显示数值
    position = position_dodge(width = 0.8),
    vjust = -0.5,
    size = 3
  )

关键说明 #

• 为什么要转长格式？ggplot2的语法设计是基于整洁数据原则：每个变量占一列，每个观测占一行。原来的宽格式中，aggr_a、aggr_b、count其实是同一个变量（统计量类型）的不同取值，所以需要合并成一列才能让ggplot识别分组逻辑。
• 如果想要更贴近你目标图的样式（比如颜色、主题），可以调整scale_fill_manual()自定义颜色，或者修改theme()中的元素。

内容的提问来源于stack exchange，提问作者esem