企业官网建设流程全解析

1. 散点图搭配边际分布图，到底解决了什么痛点

做过数据分析的人都有个体会：单纯一张散点图，能看两个变量之间有没有关系、关系大致是线性还是非线性、有没有明显的离群点，但它有个天然的短板——看不出单个变量自己的分布形态。比如你手头有一份几百上千行的数据集，想同时回答三个问题：X和Y有没有相关性？X自己是不是偏态分布？Y有没有双峰？如果只画散点图，你只能回答第一个；如果分开画直方图，又割裂了两个变量之间的联动关系。

边际分布图（Marginal Distribution Plot）就是冲着这个痛点来的。它的核心思路很朴素：在主图（通常是散点图）的上方和右侧，各挂一个单变量分布图，上方对应X轴的分布，右侧对应Y轴的分布，主图和边际图共享坐标轴。这样一眼扫过去，既能看相关趋势，又能看各自的分布形状，还能顺带发现"某个区间样本特别密集"这类信息。

在R语言里，实现这套组合图的方案不止一种，最主流的是ggplot2配合ggExtra包里的ggMarginal()函数，另外cowplot、patchwork、gridExtra这些拼图包也能手动拼出来，还有GGally包的ggpairs()可以做多变量矩阵版的边际图。这篇文章我会围绕最常用、最容易复现的方案展开，把选型逻辑、参数细节、踩坑经验一次讲透，适合刚接触R可视化、想快速出图的分析人员，也适合已经会用ggplot2但没系统研究过边际图的进阶用户。

我自己的使用场景主要集中在探索性数据分析（EDA）阶段，尤其是拿到一份新数据、还没确定建模方向的时候，一张带边际分布的散点图往往比跑一堆统计检验更直观。下面按"设计思路—核心细节—实操流程—问题排查"的顺序展开，中间会穿插大量参数解释和实测经验。

2. 方案选型与整体设计思路拆解

2.1 为什么首选 ggExtra 而不是手动拼图

R里画边际图的思路可以分成两大类：一类是"一体化"方案，比如ggExtra::ggMarginal()，你先把主图（ggplot对象）画好，再把这个对象丢给ggMarginal()，它自动帮你把边际图挂上去；另一类是"拼图"方案，用cowplot或patchwork把三个独立的图（主散点图、上方密度图、右侧密度图）按布局拼起来。

我实测下来，90%的场景首选ggMarginal()，原因有三点。第一，它和ggplot2无缝衔接，你不需要重新计算边际图的坐标范围，它会自动对齐主图的xlim和ylim，手动拼图时这一步最容易出错——边际图的坐标轴和主图对不齐，图就废了。第二，它支持density、histogram、boxplot、violin四种边际图类型，切换只需要改一个参数。第三，代码量极少，通常一行就能加上。

那什么时候用拼图方案？两种情况：一是你需要对边际图做非常精细的定制（比如在边际图上再加注释、改特定区域颜色），ggMarginal()的定制能力有限；二是你要拼的不是标准散点图，而是其他类型的主图，ggMarginal()对主图类型有一定要求。这两种情况我会在2.3节展开。

2.2 边际图类型的选择逻辑

ggMarginal()的type参数决定了边际图画什么，四个选项各有适用场景，选错了会误导读者。我整理了一张对照表：

我个人的默认选择是density，因为密度曲线最平滑、信息密度最高，尤其适合连续变量。但如果你的数据里有明显的分组（比如按类别分色），密度曲线会重叠在一起看不清，这时候histogram配合fill参数反而更清楚。箱线图我一般只在报告里用，因为业务方对箱线图的接受度更高，一眼能看出中位数和异常值。

提示：样本量低于100时，密度曲线会出现明显的"毛刺"，这时候建议改用histogram，或者干脆不加边际图，直接看散点图。

2.3 手动拼图方案的适用边界

前面说了ggMarginal()覆盖大部分场景，但有两种情况必须手动拼。第一种是主图不是标准散点图，比如你想画的是六边形分箱图（geom_hex）或者带误差棒的散点，ggMarginal()对这类主图的支持不稳定，实测有时会报错或对齐错位。第二种是边际图需要深度定制，比如你想在右侧边际图上叠加一条参考线、标注特定分位数，ggMarginal()的margins参数只能控制画哪几个边，没法往里加图层。

手动拼图的思路是：先用ggplot2分别画三个图，主图用theme(axis.title.x = element_blank())之类的把重复的轴标签去掉，然后用cowplot::plot_grid()按"上、左、右"的布局拼。这里有个关键技巧——主图和边际图的坐标范围必须手动统一。比如主图x轴范围是0到100，那上方密度图的x轴也必须是0到100，否则拼出来宽度对不上。我一般用coord_cartesian(xlim = c(0, 100))在主图和边际图上各设一次，保证一致。

2.4 数据准备阶段的三个前置判断

在动手画图之前，有三件事必须先确认，否则后面会反复返工。第一，变量类型。边际图本质是单变量分布，只对连续变量有意义。如果你的X是分类变量，边际图应该用条形图而不是密度图，这时候ggMarginal()就不合适了，得手动拼。第二，缺失值处理。散点图默认会丢掉含NA的行，但边际图如果单独计算，可能用的是完整数据，导致主图和边际图的样本量不一致，分布对不上。我的做法是画图前先用tidyr::drop_na()把相关列的空值清掉，保证三个图用的是同一份数据。第三，离群点。如果数据里有极端离群点，主图的坐标轴会被拉得很长，边际图的分布会被压缩到一小块，看不清形状。这时候要么用coord_cartesian()截断坐标轴（注意不是xlim()，后者会真的删数据），要么先处理离群点。

3. 核心细节解析与实操要点

3.1 ggMarginal 的关键参数逐个拆解

ggMarginal()的函数签名不长，但每个参数都有讲究。我按使用频率从高到低拆一遍。

p参数是主图对象，必须是一个ggplot对象，不能是ggplot()还没加图层的空对象。type前面说过了，控制边际图类型。margins参数决定画哪几个边，可选"both"（默认，上下左右都画）、"x"（只画上方）、"y"（只画右侧）。我一般用"both"，但如果主图很宽，上方边际图会被拉得很扁，这时候可以只画右侧。

size参数控制边际图的相对大小，默认是5，数值越大边际图占的比例越大。实测下来，size = 5到size = 8比较合适，超过10主图就被挤得太小了。groupColour和groupFill是两个容易混淆的参数：groupColour按分组给边际图的线条上色，groupFill按分组给填充区域上色。如果你的主图用了aes(color = group)，想让边际图也跟着分组，这两个参数都要设成TRUE。

bins参数只在type = "histogram"时生效，控制分箱数，默认30。分箱数太少会掩盖分布细节，太多会显得毛糙，我一般根据样本量调，样本量1000左右用30到40比较合适。binwidth是bins的替代方案，直接指定箱宽，两者选一个就行。

trans参数控制边际图的坐标变换，比如trans = "log"可以把边际图的x轴转成对数轴。这个参数在主图用了对数坐标时特别有用，能保证主图和边际图的变换一致。

3.2 分组散点图的边际图处理

实际分析里，散点图经常按类别分色，比如按性别、按地区。这时候边际图怎么处理分组，是个容易踩坑的地方。默认情况下，ggMarginal()画的是所有数据混在一起的边际分布，不区分组。如果你想让边际图也按组分开画，需要设groupColour = TRUE和groupFill = TRUE。

但这里有个陷阱：密度曲线分组后如果重叠严重，会互相遮挡。我遇到过三组数据密度曲线几乎完全重合的情况，画出来就是一团糊。解决办法有两个：一是改用type = "histogram"配合position = "identity"和透明度，让重叠部分可见；二是干脆不分组，用整体分布，然后在正文里说明分组情况。

还有一个细节：groupFill = TRUE时，填充区域默认是半透明的，但不同版本的ggExtra透明度默认值不一样，有的版本填充太实，会盖住下面的曲线。我一般手动在ggMarginal()外面套一层，或者干脆用type = "density"只画线条不填充，视觉上更干净。

3.3 主题与配色的一致性维护

主图和边际图如果主题不一致，拼出来会很违和。比如主图用了theme_minimal()，边际图却带着灰色背景和网格线，一眼就能看出是两张图拼的。ggMarginal()会继承主图的部分主题设置，但不是全部，尤其是axis.text、axis.title这些和坐标轴相关的元素，边际图有自己的默认值。

我的做法是：先定义一套统一的主题，比如my_theme <- theme_minimal() + theme(panel.grid.minor = element_blank())，然后主图用这套主题，边际图通过ggMarginal()的...参数传入额外的主题设置。实测下来，边际图最需要调的是axis.text的大小，因为边际图通常比主图小，默认字号会显得太大。我一般把边际图的axis.text设成主图的0.7倍左右。

配色方面，如果主图用了自定义色板，边际图的分组颜色最好也用同一套。ggMarginal()默认会继承主图的颜色映射，但如果你手动指定了groupColour，它会用ggplot的默认色板，可能和主图不一致。稳妥的做法是在主图里用scale_color_manual()定义好色板，边际图会自动继承。

3.4 输出尺寸与分辨率的参数计算

边际图因为多了上方和右侧两个子图，整体宽高比和普通散点图不一样。如果按普通散点图的尺寸导出，边际图会被压得很扁。我一般按主图宽高比接近1:1来设，比如主图是6英寸宽、5英寸高，加上边际图后整体设成7英寸宽、6英寸高。

导出时用ggsave()，dpi参数建议至少300，用于印刷的话设600。这里有个细节：ggMarginal()返回的对象类型是ggExtraPlot，ggsave()能直接识别，但如果你用的是RStudio的Export按钮，有时候会导出成空白图，这是已知的兼容性问题，建议一律用ggsave()命令行导出。

注意：ggsave()的width和height参数单位默认是英寸，如果你习惯用厘米，记得加units = "cm"，否则图会小得离谱。

4. 完整实操流程与核心环节实现

4.1 环境准备与依赖安装

先把环境搭好。需要的包不多，核心是ggplot2和ggExtra，辅助的用dplyr做数据处理，palmerpenguins提供示例数据（这个包自带一份干净的企鹅测量数据，非常适合演示，不用自己造数据）。

install.packages(c("ggplot2", "ggExtra", "dplyr", "palmerpenguins"))

装完后加载：

library(ggplot2) library(ggExtra) library(dplyr) library(palmerpenguins)

这里提醒一句：ggExtra依赖ggplot2的版本，如果你的ggplot2是很老的版本（比如3.0以下），ggMarginal()可能会报错。建议先把ggplot2升到最新版再装ggExtra。我踩过一次坑，ggplot2是2.3版本，ggMarginal()画出来的边际图坐标轴完全错位，升级后就好了。

4.2 数据清洗与前置检查

用palmerpenguins里的penguins数据集，这份数据有344行，包含企鹅的喙长、喙深、鳍长、体重等测量值，还有物种、岛屿、性别等分类变量。先做基本检查：

data(penguins) glimpse(penguins) sum(is.na(penguins))

glimpse()会告诉你每列的类型和前几个值，sum(is.na())统计缺失值总数。这份数据有少量缺失值，画图前先清掉：

penguins_clean <- penguins %>% drop_na(bill_length_mm, bill_depth_mm, species)

这里只保留了我们关心的三列：喙长、喙深、物种。drop_na()会把这三种任意一列有缺失的行都删掉，保证后面三个图用的是同一份数据。

4.3 主散点图的绘制与调优

先画主图。我想看喙长和喙深的关系，按物种分色：

p <- ggplot(penguins_clean, aes(x = bill_length_mm, y = bill_depth_mm, color = species)) + geom_point(alpha = 0.7, size = 2) + labs(x = "喙长 (mm)", y = "喙深 (mm)", color = "物种") + theme_minimal() + theme(legend.position = "bottom")

alpha = 0.7让点半透明，重叠的点能看出密度；size = 2比默认的1.5稍大，投影时更清楚；legend.position = "bottom"把图例放底部，避免和右侧边际图抢空间。这一步画出来的就是普通散点图，先确认散点图本身没问题，再加边际图。

4.4 叠加边际分布图的完整代码

主图确认没问题后，一行代码加边际图：

p_marginal <- ggMarginal( p, type = "density", margins = "both", size = 6, groupColour = TRUE, groupFill = TRUE, alpha = 0.3 )

alpha = 0.3是传给边际图的透明度参数，让填充区域半透明，重叠的曲线能看清。size = 6是我实测下来比较平衡的值，主图不会被挤得太小。groupColour和groupFill都设TRUE，让边际图按物种分色。

画出来后你会看到：上方是三个物种喙长的密度曲线，右侧是喙深的密度曲线，主图是三个物种的散点。一眼就能看出，某一种企鹅的喙明显更长、更浅，另外两种更接近。

4.5 导出高分辨率图片

最后导出：

ggsave( "penguin_scatter_marginal.png", plot = p_marginal, width = 8, height = 7, dpi = 300, units = "in" )

width = 8、height = 7是我针对这张图调过的比例，主图接近正方形，边际图不会被压扁。dpi = 300保证印刷质量。导出后建议打开图片检查一遍，重点看边际图的坐标轴和主图是否对齐、图例有没有被裁掉。

4.6 手动拼图方案的完整实现

前面说了ggMarginal()覆盖大部分场景，但如果你需要深度定制，手动拼图是备选。这里给一个完整实现，用cowplot拼三个图：

library(cowplot) # 主图，去掉x轴标签（因为上方边际图会带） main_plot <- ggplot(penguins_clean, aes(x = bill_length_mm, y = bill_depth_mm, color = species)) + geom_point(alpha = 0.7, size = 2) + scale_color_manual(values = c("#E69F00", "#56B4E9", "#009E73")) + coord_cartesian(xlim = c(30, 60), ylim = c(13, 22)) + theme_minimal() + theme(legend.position = "none", axis.title.x = element_blank()) # 上方密度图 top_plot <- ggplot(penguins_clean, aes(x = bill_length_mm, fill = species)) + geom_density(alpha = 0.4) + scale_fill_manual(values = c("#E69F00", "#56B4E9", "#009E73")) + coord_cartesian(xlim = c(30, 60)) + theme_void() + theme(legend.position = "none") # 右侧密度图，注意coord_flip right_plot <- ggplot(penguins_clean, aes(x = bill_depth_mm, fill = species)) + geom_density(alpha = 0.4) + scale_fill_manual(values = c("#E69F00", "#56B4E9", "#009E73")) + coord_cartesian(xlim = c(13, 22)) + coord_flip() + theme_void() + theme(legend.position = "none") # 拼图 final_plot <- plot_grid( top_plot, NULL, NULL, NULL, main_plot, right_plot, ncol = 3, rel_widths = c(1, 4, 1.2), rel_heights = c(1, 4) )

手动拼图的关键点：主图和边际图的坐标范围必须手动统一，这里用coord_cartesian()在主图和上方图都设了xlim = c(30, 60)，右侧图设了xlim = c(13, 22)。右侧图还要加coord_flip()把密度图转成横向。rel_widths和rel_heights控制各块的比例，主图占大头，边际图占小头。

5. 常见问题与排查技巧实录

5.1 边际图与主图坐标轴错位

这是最高频的问题，表现为上方密度图的峰值位置和主图散点的密集区对不上。原因通常是主图用了xlim()或ylim()截断了数据，而边际图用的是完整数据。xlim()会真的删掉范围外的数据点，但边际图如果单独计算，用的还是原始数据，两边样本量不一致，分布自然对不上。

解决办法：统一用coord_cartesian()代替xlim()/ylim()。coord_cartesian()只改变可视范围，不删数据，主图和边际图用的还是同一份数据。如果你确实需要删数据，那就在画图前用filter()删，保证三个图用的是同一份清洗后的数据。

5.2 分组密度曲线重叠看不清

前面提过，三组数据密度曲线重合时会糊成一团。除了改用直方图，还有一个技巧：调整alpha值。ggMarginal()的alpha参数控制填充透明度，默认值在不同版本里不一样，有的版本默认0.5，有的默认1。我一般显式设成0.3到0.4，让重叠部分能透出来。

如果还是看不清，可以考虑只画线条不填充，即groupFill = FALSE、groupColour = TRUE，这样三组曲线就是三条不同颜色的线，重叠也能区分。代价是失去了填充带来的"面积感"，但清晰度优先。

5.3 导出图片时边际图被裁切

用ggsave()导出时，如果width和height设得太小，边际图可能被裁掉一部分。这是因为ggMarginal()返回的对象在计算尺寸时，边际图是"附加"在主图外面的，如果画布不够大，附加部分就被切了。

解决办法：导出尺寸比主图单独导出时大一圈。比如主图单独导出用6x5，加边际图后至少用7x6。我一般按主图尺寸的1.2到1.3倍来设。另外，ggsave()的plot参数要显式指定为ggMarginal()的返回值，不要用默认的"最后一张图"，因为ggMarginal()内部可能又画了别的图，默认值会抓错。

5.4 中文标签显示成方框

如果坐标轴标签或图例用了中文，导出时可能显示成方框，这是字体问题。解决办法是在theme()里指定支持中文的字体：

theme(text = element_text(family = "SimHei"))

Windows系统用SimHei（黑体），Mac系统用PingFang SC或STHeiti。注意ggMarginal()的边际图可能不继承这个字体设置，需要在ggMarginal()里再传一次theme参数。实测下来，最稳妥的做法是在画主图时就设好字体，ggMarginal()会继承大部分主题设置。

5.5 常见问题速查表

5.6 几个我踩过的坑

第一个坑是**ggMarginal()对主图的图层类型有要求**。我试过在主图里加geom_smooth()，结果边际图报错。后来查文档才知道，ggMarginal()只识别主图的第一个几何对象，如果第一个是geom_smooth而不是geom_point，它算边际分布时就会出错。解决办法是把geom_point()放在最前面，geom_smooth()放后面。

第二个坑是样本量太大时密度曲线计算慢。我有一次用了几十万行的数据，ggMarginal()跑了快一分钟才出图。后来发现是密度估计的计算量大，解决办法是先用sample_n()抽样，或者改用type = "histogram"，直方图的计算量小得多。

第三个坑是**size参数在不同版本里含义不同**。早期版本的size是边际图的绝对尺寸，新版本改成了相对比例。如果你照着老教程设size = 20，在新版本里边际图会占掉大半个画布。建议先看当前版本的文档，或者从size = 5开始试。

6. 进阶玩法与场景延展

6.1 多变量矩阵版的边际图

如果你有多个连续变量想看两两关系，GGally::ggpairs()可以一次性画出矩阵图，对角线是单变量分布，非对角线是散点图。这相当于把边际图的思路扩展到了多维。用法很简单：

library(GGally) ggpairs(penguins_clean, columns = c("bill_length_mm", "bill_depth_mm", "flipper_length_mm", "body_mass_g"), aes(color = species, alpha = 0.5))

columns指定要画的列，aes(color = species)按物种分色。ggpairs()的对角线默认是密度图，非对角线是散点图加相关系数。这个图信息量极大，适合在EDA阶段快速扫一遍所有变量的关系。缺点是变量多了图会很挤，建议控制在4到5个变量以内。

6.2 边际图叠加参考线

ggMarginal()本身不支持在边际图上加图层，但有个变通办法：用grid包的grid.lines()在画好的图上手动加线。这个操作比较hack，需要先grid.newpage()、grid.draw()画出ggMarginal()对象，再用grid.lines()在指定位置画线。坐标要自己算，比较麻烦，但确实能实现。

更简单的办法是改用拼图方案，在边际图的ggplot对象里直接加geom_vline()。比如你想在右侧密度图上标出中位数，就在右侧图的代码里加geom_vline(xintercept = median_value, linetype = "dashed")。这也是我推荐拼图方案的原因之一——定制自由度高。

6.3 边际图在时间序列探索中的应用

边际图不只能用在散点图上。如果你做时间序列分析，可以把"时间"作为X轴、"数值"作为Y轴画散点图，上方边际图看时间分布（能发现采样是否均匀），右侧边际图看数值分布（能发现异常值）。这个用法比较小众，但在传感器数据分析里很实用。我做过一个项目，上方边际图一眼就看出某段时间采样频率突然变高，后来查出来是设备在那段时间进入了高频采集模式。

6.4 性能优化：大数据集下的处理策略

数据量超过10万行时，ggMarginal()的密度估计会明显变慢。我的优化策略分三步：第一步，抽样。如果只是看分布形状，随机抽1万行足够了，sample_n(penguins_clean, 10000)。第二步，改用直方图。type = "histogram"比type = "density"快很多，因为不需要核密度估计。第三步，预先计算密度。如果一定要密度曲线，可以先用density()函数算好密度值，再用geom_line()画，避免ggMarginal()内部重复计算。

提示：抽样会改变分布形状，尤其是长尾分布，抽样后尾部可能消失。如果关心尾部，不要抽样，改用直方图。

6.5 与其他可视化方案的对比

最后简单对比一下边际图和其他"看分布"的方案。小提琴图能看分布，但只能看一个变量，没法看两个变量的关系。二维密度图（geom_density_2d）能看两个变量的联合分布，但看不出各自的边际分布。六边形分箱图（geom_hex）适合大数据集，但同样缺边际信息。边际图的独特价值就在于同时呈现联合关系和边际分布，这是其他方案替代不了的。

我在实际项目里的体会是，边际图最适合放在EDA报告的第一页，让读者一眼抓住数据的整体形态。等确定了建模方向后，再针对性地画更精细的图。它不是一个"终极方案"，而是一个"快速建立直觉"的工具。用对了场景，一张图能省掉半小时的口头解释。