使用sf、ggplot2和cut_interval()绘制分级统计图时分组数量异常

我之前也踩过这个坑！cut_interval()的核心逻辑是按等区间宽度划分数据，如果你的数据集里有大量重复的极值（比如多个要素的value刚好等于最大值或最小值），就会出现实际分组数比你设置的n少的情况。

举个直观的例子：假设你的数据最大值是100，而且有20个要素的value都是100，当你设置n=5时，最后一个区间可能被压缩成[100,100]这种无范围的区间，ggplot生成图例时会自动忽略这类无效区间，最终就只显示4组有效分组。

下面给你几个稳定控制分组数的解决方案：

1. 改用等数量分组（推荐） #

如果你的优先级是保证每组数据量大致相等，而非严格的等区间划分，直接换成cut_number()函数就好——它会自动调整区间边界，确保你得到指定数量的分组：

library(sf)
library(ggplot2)
lga.sf <- st_read("ggplot-test-04.geojson")
ggplot() + 
  geom_sf(data = lga.sf, aes(fill = cut_number(value, 5))) + 
  scale_fill_brewer(palette = "RdYlBu", name = "Legend" )

2. 手动指定区间边界（严格等区间） #

如果你必须坚持等区间划分，那就手动计算断点，强制生成5个区间，完全规避自动划分的不确定性：

# 先获取value的有效范围（排除NA值）
val_min <- min(lga.sf$value, na.rm = TRUE)
val_max <- max(lga.sf$value, na.rm = TRUE)
# 生成6个断点（对应5个连续区间）
custom_breaks <- seq(val_min, val_max, length.out = 6)

# 用cut()手动划分区间
ggplot() + 
  geom_sf(data = lga.sf, aes(fill = cut(value, breaks = custom_breaks))) + 
  scale_fill_brewer(palette = "RdYlBu", name = "Legend")

这种方法不管数据的极值分布如何，都会精准生成你需要的5个区间。

3. 先排查数据分布 #

你可以先检查数据的极值分布，确认是不是重复极值导致的问题：

# 统计等于最大值的要素数量
sum(lga.sf$value == max(lga.sf$value, na.rm = TRUE))
# 统计等于最小值的要素数量
sum(lga.sf$value == min(lga.sf$value, na.rm = TRUE))
# 可视化数据分布
hist(lga.sf$value, breaks = 20)

如果发现有大量要素集中在极值点，那就是这个原因导致cut_interval()的分组数“缩水”了。

至于你提到的有时候设置n=6能得到5组，其实是因为n更大时划分的区间更细，极值所在的区间不会被压缩成无范围状态，最终有效显示的分组刚好是5个，但这只是临时的 workaround，不如上面的方法稳定可靠。

内容的提问来源于stack exchange，提问作者Wombat