使用 ggside 为散点图添加边际密度

R
Visualization
基于 iris 数据集，演示 ggside 的 geom_xsidedensity 与 geom_ysidedensity，在同一画面显示双变量关系与各自边际分布。
Author

Siyu Wu

Published

October 15, 2025

在探索两个连续变量的关系时，仅看散点图往往难以判断各自的边际分布形态； 结合边际密度曲线能够同时观察总体趋势与组内差异。本文基于 iris 数据集， 使用 ggplot2 搭配 ggside 在同一画布中绘制散点图与上下/左右边际密度， 代码改写自脚本 original_src/ggside_margin.R，并补充少量说明与注释。

准备与数据

# 安装/加载所需包（缺失时自动安装）
ensure_package <- function(pkg) {
  if (!requireNamespace(pkg, quietly = TRUE)) {
    install.packages(pkg, repos = 'https://cloud.r-project.org')
  }
  suppressWarnings(suppressPackageStartupMessages(
    library(pkg, character.only = TRUE)
  ))
}

ensure_package('ggplot2')
ensure_package('ggside')

set.seed(42)

# 使用内置 iris 数据，增加分组列以便映射到颜色/填充
df <- transform(iris, grp = Species)

# 为三类花设置一致的调色板，保持主图与边际图配色统一
pal <- c(
  setosa     = '#9e2f2f',
  versicolor = '#2f6db5',
  virginica  = '#d4a017'
)

# 预先计算取值范围，去除多余留白时更易控制
x_rng <- range(df$Sepal.Length)
y_rng <- range(df$Sepal.Width)

使用 ggside 添加边际密度

library(ggplot2)
library(ggside)

p <- ggplot(df, aes(Sepal.Length, Sepal.Width, colour = grp)) +
  # 关系趋势：线性回归平滑线（含置信带）
  geom_smooth(method = 'lm', se = TRUE, fill = 'grey70', alpha = 0.35, linewidth = 0.9) +
  # 主图散点
  geom_point(size = 2.3, alpha = 0.95) +
  # 顶部边际密度：y 使用 after_stat(density)
  ggside::geom_xsidedensity(aes(y = after_stat(density), fill = grp),
                            position = 'identity', alpha = 0.6, linewidth = 0.3) +
  # 右侧边际密度：x 使用 after_stat(density)
  ggside::geom_ysidedensity(aes(x = after_stat(density), fill = grp),
                            position = 'identity', alpha = 0.6, linewidth = 0.3) +
  # 统一配色
  scale_colour_manual(values = pal, name = 'grp') +
  scale_fill_manual(values = pal, name = 'grp') +
  # 去除边界多余留白，视野更紧凑
  scale_x_continuous(limits = x_rng, expand = expansion(mult = 0)) +
  scale_y_continuous(limits = y_rng, expand = expansion(mult = 0)) +
  labs(
    title = '带边际密度的散点图（iris）',
    x = 'Sepal.Length',
    y = 'Sepal.Width'
  ) +
  # 底图与侧面板样式
  theme_bw(base_size = 14) +
  theme(
    legend.position = 'right',
    plot.margin = margin(8, 8, 8, 8),
    plot.background = element_rect(fill = 'white', colour = NA),
    panel.border = element_rect(colour = 'black', fill = NA, linewidth = 1),
    ggside.panel.scale = 0.18,  # 控制边际面板相对大小
    ggside.panel.background = element_rect(fill = 'white', colour = NA),
    ggside.panel.border = element_blank()
  ) +
  theme_ggside_classic() +
  guides(fill = 'none')

p
`geom_smooth()` using formula = 'y ~ x'

导出图像（可选）

如需在同目录保存图片，可执行：

ggsave(
  filename = 'scatter_marginal_ggside.png',
  plot = p,
  width = 1600, height = 1600, units = 'px', dpi = 150
)

实战要点

  • 使用 after_stat(density) 显示边际密度，更直观比较组间差异。
  • 通过 ggside.panel.scale 调节边际面板占比，避免喧宾夺主。
  • 主图与边际图共用调色板，统一视觉编码，降低理解成本。
  • expand = expansion(mult = 0) 去除轴向留白，突出数据区域。
Day