ggplot2直方图实战指南：从数据分布到业务洞察

1. 为什么我坚持用 ggplot2 做直方图——一个十年 R 用户的实战选择

在数据可视化这件事上，R 语言里从来就不缺工具。base R 的 hist() 函数三行就能出图，lattice 包也能快速分面，但过去十年里，我给客户做交付、带新人入门、写内部分析报告，95% 的直方图都只用 ggplot2 。不是因为它“最流行”，而是它把“我想表达什么”和“代码怎么写”之间的认知鸿沟，压缩到了几乎为零的程度。你不需要记住一堆互不关联的参数名，只要理解“数据→映射→几何对象→修饰”这四层逻辑，哪怕第一次写 geom_histogram() ，也能在十分钟内调出一张能放进周报的图。这不是玄学，是语法设计上的克制与诚实。

直方图表面看只是横轴数值、纵轴频数的柱状图，但实际工作中，它承载的任务远比这复杂：要快速判断房价分布是否右偏，要对比不同装修等级房源的价格集中区间，要在同一张图上叠加均值线和密度曲线辅助决策，甚至要按区域切片生成九宫格小图供销售团队逐个分析。这些需求，base R 的 hist() 要靠 lines() , abline() , par(mfrow=...) 一层层硬拼，改一个标题位置可能得重写半页代码；而 ggplot2 只需在原有语句后加个 + geom_vline() 或 + facet_wrap(~district) ，逻辑清晰，修改成本极低。我试过用 base R 复现一个带均值线、密度曲线、分组填色、自定义 bin 宽度、坐标轴限制和图例重排的直方图——代码长度是 ggplot2 版本的 2.3 倍，可读性却下降了不止一个量级。这不是效率问题，是思维负担问题。当你在深夜调试模型时，大脑已经超载，这时候少写十行易错代码，就是多留一分清醒去检查逻辑漏洞。

关键词“ggplot2 直方图”背后，真正值得深挖的是三个核心能力： 如何让数据分布说话，如何让统计信息可读，以及如何让图表适配真实业务场景 。这篇文章不会罗列所有 geom_histogram() 参数，而是聚焦于我在房产数据分析、用户行为埋点、A/B 测试结果汇报等数十个真实项目中反复验证过的实操路径。从安装依赖开始，到最终导出可直接插入 PPT 的高清图，每一步都附带“为什么这么选”和“不这么选会怎样”的现场记录。如果你刚接触 R，我会用“超市货架分区”类比 aes() 映射；如果你已熟悉 dplyr ，我会直接展示如何用管道符无缝衔接数据清洗与绘图；如果你正被老板催着交一份带交互注释的房价分析报告，文末的“生产环境 checklist”能帮你省下两小时返工时间。

2. 项目整体设计与思路拆解

2.1 为什么必须从 tidyverse 生态切入——不是跟风，是工程化刚需

很多人初学 ggplot2 时会疑惑：“为什么教程总让我先装 tidyverse ？我只画个直方图，装个 ggplot2 不就够了？” 这是个好问题，答案藏在数据流动的全链路里。我们手里的原始数据，从来不是理想状态：房价数据里有异常高价（比如把“$10,000,000”误录成“10000000”），条件评分字段是数字型但本质是分类变量（1-5 分代表差到优），还可能混着缺失值或空格。如果只用 ggplot2 ，你得先用 base R 的 read.csv() 读取，再用 as.factor() 转类型，再用 subset() 或逻辑索引过滤异常值，最后才能喂给 ggplot() 。这个过程里，每个函数返回的对象类型不同（data.frame → factor → logical vector），参数命名风格也不统一（ na.strings vs stringsAsFactors ），极易出错。

而 tidyverse 的设计哲学是“数据流一致性”。 readr::read_csv() 默认不把字符转因子， dplyr::mutate() 和 filter() 都接受管道符 |> ，返回的永远是 data.frame， ggplot2::ggplot() 的 aes() 映射能直接识别 dplyr 创建的新列。这意味着你可以写出这样一行连贯代码：

home_data |>
  filter(price < 5e6) |>
  mutate(condition = factor(condition, levels = 1:5, labels = c("Poor", "Fair", "Average", "Good", "Excellent"))) |>
  ggplot(aes(x = price, fill = condition)) +
  geom_histogram(position = "identity", alpha = 0.7)

这里没有中间变量污染全局环境，没有类型转换的隐式陷阱，更没有因 read.csv() 默认 stringsAsFactors = TRUE 导致后续 fill 映射失败的深夜 debug。我曾帮一个电商团队重构报表系统，他们原来的 base R 脚本在处理新增的“促销标签”字段时，因为 read.csv() 自动转因子导致 ggplot() 报错 object 'promo_tag' not found ，排查了三小时才发现是读取阶段的默认行为。换成 readr::read_csv() 后，问题消失。这不是功能差异，是工程鲁棒性的代差。

2.2 直方图的本质：不是画柱子，是构建数据分布的“显微镜”

geom_histogram() 经常被误解为“自动分组计数的柱状图”，这是危险的简化。它的核心任务是 对连续变量进行离散化建模，并可视化该模型下的概率分布近似 。关键参数 bins 、 binwidth 、 boundary 、 center 共同决定了这台“显微镜”的放大倍数和对焦精度。

• bins = 30 是粗略扫描：把整个价格范围切成 30 等份，适合快速看整体形态（单峰/双峰/长尾）；
• binwidth = 50000 是精准测量：强制每格宽度为 5 万美元，能直接对比“50-100 万区间房源数量”和“100-150 万区间数量”，业务含义明确；
• boundary = 0 是校准基准：确保第一格从 0 开始（0-5 万、5-10 万…），避免因数据最小值是 12345 而导致第一格变成 12345-62345，破坏可比性。

我处理过一组用户停留时长数据（单位：秒），原始 geom_histogram() 默认分 30 格，结果最左侧出现一个极高柱子（0-10 秒），掩盖了主体分布（30-120 秒）。改成 binwidth = 10 并设 boundary = 0 后，立刻看清真实峰值在 45-55 秒区间——这直接指向了视频前贴片广告的完播拐点。如果只满足于“出图”，你会错过这个关键洞察；而理解 binwidth 是控制分辨率的旋钮，才真正掌握了解读数据的能力。

2.3 图层叠加的底层逻辑：为什么 + 操作符是革命性的

ggplot2 的 + 不是简单的语法糖，它是 声明式绘图范式的基石 。传统绘图库（如 base R）要求你按执行顺序写代码：先画坐标轴，再画柱子，再加线条，再加文字。一旦想调整线条颜色，你得回头找 lines() 那行；想改坐标轴范围，得定位到 xlim() 。而 ggplot2 的 + 表示“在现有视觉框架上叠加新元素”，各图层完全解耦。 geom_histogram() 只负责柱子， geom_vline() 只负责竖线， labs() 只负责标签，它们之间没有执行依赖。这种设计带来三个实战优势：

1. 调试友好 ：当图出错时，你可以逐行注释 + 后的图层，快速定位是 geom_density() 的密度计算出错，还是 theme() 的字体设置冲突；
2. 复用性强 ：一套 ggplot(data, aes(x=price)) + geom_histogram() 的骨架，可以无缝替换 + geom_boxplot() 变成箱线图，或 + geom_point() 变成散点图，只需改一个词；
3. 协作清晰 ：在团队项目中，数据工程师写 ggplot() 基础层，分析师加 geom_vline() 和 geom_text() 注释，设计师调 theme() 配色，大家修改的代码段物理隔离，合并冲突概率极低。

我见过太多团队因 base R 的“过程式绘图”导致报表脚本难以维护：一个实习生改了 main="房价分布" 的字体大小，结果 abline() 的线条位置跟着偏移——因为 par() 设置是全局生效的。而 ggplot2 的 theme() 修改只影响当前图形对象，彻底规避了这类“蝴蝶效应”。

3. 核心细节解析与实操要点

3.1 数据准备：从原始 CSV 到可绘图就绪的七步净化

直方图的质量，80% 取决于输入数据的洁净度。我处理过上百个房产数据集，发现以下七类问题高频出现，必须在 ggplot() 之前解决：

1. 数值型字段含非数字字符 ： price 列里混着 $1,234,567 或 N/A 。 readr::read_csv() 的 col_types 参数可强制指定类型并报错：

   home_data <- read_csv("home_data.csv", 
                         col_types = cols(
                           price = col_double(), 
                           condition = col_integer()
                         ),
                         na = c("", "N/A", "NULL"))
   

   若遇无法解析的值， readr 会标为 NA 并警告，比 read.csv() 默默转成 NA 更安全。

2. 分类变量未转因子 ： condition 是 1-5 的整数，但直方图分组填色时需作为类别处理。 dplyr::mutate() 结合 forcats::fct_recode() 可语义化重命名：

   library(forcats)
   home_data <- home_data |>
     mutate(condition = fct_recode(
       as.factor(condition),
       "Poor" = "1",
       "Fair" = "2",
       "Average" = "3",
       "Good" = "4",
       "Excellent" = "5"
     ))
   

3. 极端异常值干扰分布 ：房价数据中常有 $1 亿的豪宅或 $1 的错误录入。用 dplyr::quantile() 计算 0.5% 和 99.5% 分位数作截断：

   price_q05 <- quantile(home_data$price, 0.005, na.rm = TRUE)
   price_q995 <- quantile(home_data$price, 0.995, na.rm = TRUE)
   home_data <- home_data |>
     filter(price >= price_q05 & price <= price_q995)
   

4. 缺失值处理 ： geom_histogram() 默认丢弃 NA ，但若 price 缺失率超 5%，需检查原因。用 ggplot2::geom_bar() 可快速诊断：

   home_data |>
     mutate(price_missing = is.na(price)) |>
     ggplot(aes(x = price_missing)) +
     geom_bar() +
     labs(title = "Missing Price Check")
   

5. 单位统一 ：确保所有价格字段单位一致（美元），避免混用 $ 和 ¥ 。用 stringr::str_remove_all() 清洗：

   library(stringr)
   home_data <- home_data |>
     mutate(price = as.numeric(str_remove_all(price, "[^0-9.]")))
   

6. 时间字段解析 ：若数据含 list_date ，用 lubridate::ymd() 转标准日期，便于后续按月分面：

   library(lubridate)
   home_data <- home_data |>
     mutate(list_month = floor_date(ymd(list_date), "month"))
   

7. 内存优化 ：大数据集（>100 万行）用 vroom::vroom() 替代 readr::read_csv() ，速度提升 5-10 倍且内存占用更低：

   library(vroom)
   home_data <- vroom("home_data.csv", 
                      col_types = cols(.default = col_guess()))
   

提示：以上步骤应封装为 clean_home_data() 函数，每次新数据进来只需调用一次。我团队的标准化流程中，这步耗时不超过 30 秒，却避免了后续 90% 的绘图报错。

3.2 aes() 映射的隐藏规则：x、y、fill、color 的语义边界

aes() 是 ggplot2 的灵魂，但新手常踩的坑在于混淆“数据映射”和“固定属性”。核心原则是： 在 aes() 内部写的，是告诉 ggplot “这个视觉属性随哪个数据列变化”；在 aes() 外部写的，是告诉 ggplot “这个视觉属性固定为某个值” 。

• aes(x = price) → x 轴位置由 price 列每个值决定（动态）；
• aes(fill = condition) → 柱子填充色由 condition 列每个值决定（动态分组）；
• geom_histogram(fill = "blue") → 所有柱子填充色固定为蓝色（静态）；
• geom_histogram(aes(fill = condition), fill = "blue") → 报错！ fill 不能同时在 aes() 内外定义。

更微妙的是 y 轴映射。默认 geom_histogram() 的 y 是计数（count），但若你想画概率密度（density），必须用 aes(y = after_stat(density)) 。 after_stat() 是关键：它表示“在统计计算之后再映射”，即先分组计数，再除以总样本数和 bin 宽度，得到密度值。若错误写成 aes(y = density) ，ggplot 会尝试在原始数据里找叫 density 的列，必然报错。

另一个易错点是 color 和 fill 的分工： color 控制柱子边框色， fill 控制柱子内部色。当 fill 用于分组时， color 应设为 "black" 或 "white" 以增强边界辨识度。我测试过，在浅色背景上， color = "white" 且 size = 0.2 的组合，能让分组柱子在密集时依然清晰可辨，比默认的灰色边框效果好得多。

3.3 主题系统（Theme）的实战配置：告别学术风，拥抱业务报告

theme() 是让直方图从“能看”到“能用”的分水岭。学术论文偏好简洁（ theme_bw() ），但业务报告需要信息密度和品牌一致性。以下是我在金融、地产、电商三类项目中验证过的配置模板：

# 通用业务报告主题（适配 PPT/邮件）
theme_business <- theme_minimal(base_size = 12, base_family = "Arial") +
  theme(
    # 坐标轴
    axis.line = element_line(color = "black", size = 0.5),
    axis.ticks = element_line(color = "black", size = 0.5),
    axis.text = element_text(color = "black", size = 11),
    axis.title = element_text(color = "black", size = 13, face = "bold"),
    
    # 图例
    legend.position = "bottom",
    legend.direction = "horizontal",
    legend.text = element_text(size = 11),
    legend.title = element_text(size = 12, face = "bold"),
    
    # 标题
    plot.title = element_text(size = 16, face = "bold", hjust = 0.5, margin = margin(b = 15)),
    plot.subtitle = element_text(size = 12, hjust = 0.5, margin = margin(b = 10)),
    
    # 背景
    panel.background = element_rect(fill = "white"),
    plot.background = element_rect(fill = "white")
  )

# 地产行业定制：突出价格标签的可读性
theme_real_estate <- theme_business +
  theme(
    axis.text.x = element_text(angle = 0, hjust = 0.5),
    axis.title.x = element_text(margin = margin(t = 10)),
    # 在价格轴上添加千分位逗号
    axis.text.x = element_text(color = "black", size = 11)
  )

关键技巧： axis.text.x = element_text(angle = 0) 强制横轴标签水平显示，避免默认的倾斜导致“$1,000,000”被截断； hjust = 0.5 居中对齐，比左对齐更符合阅读习惯。我曾因忽略这点，在向开发商汇报时，PPT 上的“$1,500,000”显示为“$1,500,”，引发严重误会。

4. 实操过程与核心环节实现

4.1 从零开始：构建你的第一个生产级直方图

我们以真实房产数据为例，逐步构建一张可直接交付的直方图。假设数据已按 3.1 节净化完毕，存为 home_data 。

第一步：基础骨架（5 行代码）

p1 <- ggplot(home_data, aes(x = price)) +
  geom_histogram(bins = 50, 
                 color = "white", 
                 size = 0.2,
                 fill = "#2E8B57") +  # 海军绿，专业感强
  labs(x = "Listing Price (USD)", 
       y = "Number of Properties",
       title = "Distribution of Housing Prices") +
  theme_business

此时已有一张干净的直方图。 bins = 50 是经验起点：对于 10 万行数据，30-100 bins 通常足够； fill = "#2E8B57" 用十六进制色值确保跨平台颜色一致，避免 "green" 在不同系统渲染差异。

第二步：叠加统计参考线（3 行代码）

# 计算均值、中位数、25/75 分位数
stats_df <- home_data |>
  summarise(
    mean_price = mean(price, na.rm = TRUE),
    median_price = median(price, na.rm = TRUE),
    q25_price = quantile(price, 0.25, na.rm = TRUE),
    q75_price = quantile(price, 0.75, na.rm = TRUE)
  )

p2 <- p1 +
  geom_vline(aes(xintercept = mean_price), 
             data = stats_df, 
             color = "#DC143C", linetype = "dashed", linewidth = 0.8) +  # 红色虚线
  geom_vline(aes(xintercept = median_price), 
             data = stats_df, 
             color = "#FF8C00", linetype = "solid", linewidth = 0.8) +  # 橙色实线
  annotate("text", x = stats_df$mean_price, y = Inf, 
           label = paste("Mean:", scales::dollar(stats_df$mean_price)), 
           vjust = -0.5, hjust = 1, size = 3.5, color = "#DC143C")

注意 annotate() 的用法：它不依赖数据框，可直接在图上添加文本。 scales::dollar() 自动添加 $ 符号和千分位，比手动 paste("$", round(mean_price, -3)) 更可靠。

第三步：密度曲线与双 Y 轴（4 行代码）

p3 <- p2 +
  geom_histogram(aes(y = after_stat(density)), 
                 bins = 50, 
                 alpha = 0.3, 
                 fill = "#2E8B57") +  # 半透明绿色密度柱
  geom_density(color = "#4169E1", linewidth = 1.2) +  # 深蓝色密度线
  scale_y_continuous(
    name = "Density",
    sec.axis = sec_axis(~ . * nrow(home_data) * 50000,  # 将密度换算回计数（binwidth=50000）
                        name = "Count")
  ) +
  theme(axis.text.y.right = element_text(color = "#4169E1"))

这里 sec.axis 是精髓：它让右侧 Y 轴显示原始计数，左侧显示密度，业务人员看右轴理解“多少套”，分析师看左轴理解“分布形状”。换算公式 * nrow(...) * binwidth 来源于密度定义： density = count / (n * binwidth) ，所以 count = density * n * binwidth 。

第四步：业务增强：按条件分组与图例优化（3 行代码）

p4 <- p3 +
  geom_histogram(aes(fill = condition), 
                 bins = 50, 
                 alpha = 0.7,
                 position = "identity") +  # 重叠而非堆叠
  scale_fill_brewer(palette = "Set2", 
                    name = "Property Condition",
                    labels = c("Poor", "Fair", "Average", "Good", "Excellent")) +
  theme(legend.position = "bottom", 
        legend.box.margin = margin(t = 5))

position = "identity" 关键：它让不同条件的柱子重叠显示（透明度 alpha = 0.7 ），而非默认的堆叠（stack），这样才能直观比较各条件在相同价格区间的占比。 scale_fill_brewer() 用 ColorBrewer 调色板确保色盲友好， labels 参数覆盖原始因子标签，避免图例显示 “1”, “2” 这样的数字。

第五步：导出高清图（2 行代码）

ggsave("housing_price_distribution.png", 
       plot = p4, 
       width = 10, height = 6, units = "in", 
       dpi = 300, 
       device = "png")

dpi = 300 是印刷标准， width/height 单位设为 in （英寸）而非 cm ，避免跨系统尺寸偏差。我坚持用 .png 而非 .pdf ：PDF 在 PPT 中缩放时可能模糊，PNG 则始终锐利。

4.2 高级技巧：用 facet_grid() 拆解复杂业务维度

当单一维度无法满足分析需求时， facet_grid() 是利器。例如，客户要求“按城市和装修等级交叉分析房价分布”，用传统方法需循环生成 20 张图。 ggplot2 一行解决：

# 先创建城市分组（示例：取前 3 个城市）
home_data_top3 <- home_data |>
  mutate(city = case_when(
    zipcode %in% c("98101", "98102") ~ "Seattle",
    zipcode %in% c("90210", "90211") ~ "Los Angeles",
    zipcode %in% c("10001", "10002") ~ "New York"
  )) |>
  filter(!is.na(city))

# 生成 3x5 网格（行：city，列：condition）
p_facet <- home_data_top3 |>
  ggplot(aes(x = price)) +
  geom_histogram(bins = 40, fill = "steelblue", alpha = 0.6) +
  facet_grid(rows = vars(city), cols = vars(condition)) +
  labs(title = "Price Distribution by City and Property Condition") +
  theme_business +
  theme(strip.text.x = element_text(size = 10),
        strip.text.y = element_text(size = 10))

facet_grid() 的 rows / cols 参数支持任意 dplyr 衍生列，无需预分组。 strip.text 控制网格标题字号，避免小图上文字挤在一起。我曾用此法为连锁酒店生成 12 城市 × 4 星级的房价分布图谱，客户直接打印成 A0 海报挂在会议室。

4.3 性能优化：百万行数据的直方图加速方案

当 home_data 达到 100 万行时， geom_histogram() 默认计算可能卡顿。两个经实战验证的加速技巧：

技巧一：预聚合（推荐）

# 用 dplyr 先分组计数，再用 geom_col() 画柱状图
price_bins <- home_data |>
  mutate(price_bin = floor(price / 50000) * 50000) |>  # 每 5 万为一档
  count(price_bin, name = "count") |>
  mutate(price_label = scales::dollar(price_bin))

p_agg <- price_bins |>
  ggplot(aes(x = price_label, y = count)) +
  geom_col(fill = "#2E8B57", width = 0.8) +
  labs(x = "Price Range (USD)", y = "Count") +
  theme_business

预聚合将计算从 R 交给 C++（ dplyr 后端），速度提升 10 倍以上，且内存占用恒定。

技巧二：采样（谨慎使用）

set.seed(123)
home_sample <- home_data |>
  slice_sample(n = 50000)  # 随机抽 5 万行

p_sample <- home_sample |>
  ggplot(aes(x = price)) +
  geom_histogram(bins = 100) +
  labs(title = "Histogram (50K Sample of 1M Rows)")

仅当数据分布均匀时可用。我通常在探索阶段用采样，正式报告必用预聚合。

5. 常见问题与排查技巧实录

5.1 直方图常见问题速查表

5.2 那些文档没写的避坑技巧

技巧一： boundary 与 center 的终极选择指南
boundary 固定第一格左边界， center 固定每格中心点。何时用哪个？

• 用 boundary ：当业务有明确基准线时。如房价分析， boundary = 0 确保 0-50 万、50-100 万…严格对齐，方便向老板汇报“50 万以下房源占比”。
• 用 center ：当数据有自然中心时。如用户年龄分布， center = 30 让 25-35、35-45…以 30 为中心对称，更符合人口学惯例。
• 禁用场景 ： boundary 和 center 不能共存，且若设 boundary = 100000 但数据最小值是 12345，则第一格为 100000-150000，12345 会被丢弃！务必先 min(home_data$price) 。

技巧二： geom_histogram() 的 na.rm 参数陷阱
geom_histogram(na.rm = TRUE) 默认丢弃 NA ，但若 price 列 NA 率超 20%，直方图会严重失真。正确做法是：

1. 先用 sum(is.na(home_data$price)) / nrow(home_data) 计算缺失率；
2. 若 >5%，用 dplyr::filter(!is.na(price)) 显式过滤，并在图标题注明 "(Excluding 3.2% Missing Values)" ；
3. 若缺失有业务含义（如“未挂牌房源”），应单独建 price_missing = is.na(price) 列，用 geom_bar(aes(x = price_missing)) 可视化缺失模式。

技巧三：导出时字体丢失的终极解法
在 Windows/Mac 上导出 PNG 时，若用非系统字体（如 "Helvetica" ），可能回退为默认字体。解决方案：

# 使用 showtext 包嵌入字体（需提前安装）
library(showtext)
showtext_auto()
# 或更稳妥：用系统安全字体
theme_business <- theme_business +
  theme(text = element_text(family = "sans"))

sans 是 R 的泛字体别名，Windows 用 Arial，Mac 用 Helvetica，Linux 用 DejaVu Sans，100% 兼容。

技巧四：在 Shiny 中动态更新直方图的性能秘诀
Shiny 中 renderPlot({ ggplot(...) }) 每次触发都重绘，大数据集卡顿。优化方案：

# 服务端预计算，仅传递必要数据
output$hist_plot <- renderPlot({
  req(input$city_filter)  # 确保输入存在
  filtered_data <- home_data |>
    filter(city == input$city_filter)
  
  # 用预聚合数据（见 4.3 节）
  agg_data <- filtered_data |>
    mutate(price_bin = floor(price / input$bin_slider)) |>
    count(price_bin)
  
  ggplot(agg_data, aes(x = price_bin, y = n)) +
    geom_col() +
    labs(title = paste("Price in", input$city_filter))
})

将计算移到 req() 后，避免无效重绘；用 input$bin_slider 动态控制 bin 宽度，比 bins= 更灵活。

6. 生产环境 checklist：交付前的最后十秒核对

在点击“导出”按钮前，请用此清单快速扫描（我团队已用此表避免 97% 的返工）：

• [ ] 数据源确认 ：检查 home_data 是否为最新版本？运行 pull_git_repo() 或 read_csv("https://...") 是否成功？
• [ ] 异常值处理 ： summary(home_data$price) 中 Min / Max 是否合理？ IQR 是否远大于 Max-Min （暗示异常值）？
• [ ] 分组变量验证 ： table(home_data$condition) 输出是否为 1-5 的整数？是否有 NA 或 0 ？
• [ ] binwidth 合理性 ： diff(range(home_data$price)) / 50 ≈ binwidth ？若相差 10 倍，需调整。
• [ ] 图层顺序 ： geom_histogram() 在 geom_density() 之前？否则密度线可能被柱子遮挡。
• [ ] 坐标轴限制 ： xlim(0, 2e6) 是否覆盖 99% 数据？用 quantile(home_data$price, 0.99) 验证。
• [ ] 图例可读性 ：在 RStudio 中缩放到 50%，图例文字是否清晰？若模糊，增大 legend.text 尺寸。
• [ ] 标题准确性 ： labs(title = ...) 是否包含关键业务信息？如 "Q3 2023 Seattle Listings" 而非 "Price Histogram" 。
• [ ] 导出参数 ： ggsave(..., dpi = 300, width = 10, height = 6) 是否设置？PNG 格式是否勾选“无压缩”？
• [ ] 文件命名规范 ：文件名是否含日期、版本、业务标识？如 "housing_price_dist_20231015_v2_seattle.png"