R 如何扩展GGY轴限制以包括最大值

通常在打印中，Y轴值标签在打印的最大值以下被截断

For example:

library(tidyverse)
mtcars %>% ggplot(aes(x=mpg, y = hp))+geom_point()

我知道scale_y___continuous，但我想不出一个聪明的方法来做到这一点。也许我只是想得太多了。我不想搞乱自动生成的“智能”中断

我可能会尝试手动执行此操作

  mtcars  %>% ggplot(aes(x=mpg, y=hp, color=as.factor(carb)))+geom_point()  + scale_y_continuous(limits = c(0,375))

---

但这并不像我上面提到的那样有效，因为“聪明的休息”。我是否需要将默认的中断间隔再延长一次，这样在这种情况下，它将是400？当然，我希望这对于我使用的任何数据集都是灵活的

您可以使用

扩展限制（）

增加最大y轴值。您还可以确保最大y轴值向上舍入到数据刻度上的下一个最高值，例如，下一个最高的十位数值、下一个最高的百位数值等，具体取决于数据中的最高值是否在十位数、百位数等范围内

例如，下面的函数查找最大y值的基数为10的对数，并将其向下舍入。这为我们提供了最大y值的基数10（例如，十、百、千等）。然后它将最大y轴值四舍五入到比最大y轴值高的最接近的十、一百等

expandy = function(vec, ymin=NULL) {

  max.val = max(vec, na.rm=TRUE)
  min.log = floor(log10(max.val))

  expand_limits(y=c(ymin, ceiling(max.val/10^min.log)*10^min.log))
}

p = mtcars %>% ggplot(aes(x=mpg, y = hp)) +
  geom_point()

p + expandy(mtcars$hp)

p + expandy(mtcars$hp, 0)

或者，为了简化操作，可以设置函数，以便直接从绘图中收集y范围数据：

library(gridExtra)

expandy = function(plot, ymin=0) {

  max.y = max(layer_data(plot)$y, na.rm=TRUE)
  min.log = floor(log10(max.y))

  expand_limits(y=c(ymin, ceiling(max.y/10^min.log)*10^min.log))
}

p = mtcars %>% ggplot(aes(x=mpg, y = hp)) +
  geom_point()

grid.arrange(p, p + expandy(p), ncol=2)

---

选择断开y轴的步骤，可以使用

天花板（）

功能

library(gridExtra)

p1 <- mtcars %>% ggplot(aes(x=mpg, y = hp)) + geom_point() 

p2 <- p1 +
  scale_y_continuous(
    limits = c(0, ceiling(max(mtcars$hp)/50)*50), 
    breaks = seq(0, ceiling(max(mtcars$hp)/50)*50, 50)
  ) 

p3 <- p1 + scale_y_continuous(
  limits = c(0, ceiling(max(mtcars$hp)/100)*100), 
  breaks = seq(0, ceiling(max(mtcars$hp)/100)*100, 100)
) 

grid.arrange(p1, p2, p3, ncol=3)

库（gridExtra）
p1%ggplot（aes（x=mpg，y=hp））+geom_点（）
p2这里有一个允许任何类型的数字刻度的解决方案：

expandy <- function(y, base, v_min = NULL) {

  max.val <- max(y, na.rm = TRUE)

  expand_limits(
    y = c(
      v_min, 
      base * (max.val %/% base + as.logical(max.val %% base))
    )
  )

}

expandy哑巴问题，但我如何将其添加到主题中？我相信我可以仔细看一下，但是想知道quick Solution强大的功能是否应该集成到软件包中。
expandy <- function(y, base, v_min = NULL) {

  max.val <- max(y, na.rm = TRUE)

  expand_limits(
    y = c(
      v_min, 
      base * (max.val %/% base + as.logical(max.val %% base))
    )
  )

}