r - 为什么我的 ggplot 对象变得这么大？

Question

我正在尝试绘制具有 17,953,026 个观测值的变量的直方图。该数据表的大小(以兆字节为单位)约为 144 MB。 当我使用 R 中最基本的 hist() 函数绘制这些数据时，生成的绘图对象非常小。但是当我使用 ggplot2 时，创建的“gg”对象非常大 - 144 MB 大小(与数据大小相同)。这会导致渲染此图需要很长时间。

“pc”是数据。它有一个变量“匹配长度”，其值介于 8 和 47 之间。“plot1”是 ggplot2 对象，“plot2”是 hist 对象。

以下是 R 中 object.size() 函数返回的大小。 pc = ~144 MB，plot1 = ~144 MB，plot2 = 2016 B。

这是用于生成这些图的代码

plot1 <- ggplot(data = pc, aes(x = `match length`)) +
    geom_histogram(bins = 26, fill = '#d90050', color = 'white', alpha = 0.5, linewidth = 0.05) +
    scale_x_continuous(breaks = seq(8,32,2), limits = c(8,32)) +
    labs(title = 'k = 10', x = 'Match length', y = 'Count') +
    theme_gray(base_size = 10, base_family = "Helvetica") +
    theme(legend.position = "top",
          plot.title = element_text(size = 12),
          axis.text = element_text(size = 8),
          axis.title = element_text(size = 8))

plot2 <- hist(pc$`match length`)

直方图的外观如下: 情节1:

情节2:

有什么方法可以减小这个 ggplot2 对象的大小，这样当我渲染 RMarkdown 或 Quarto 报告时，就不会永远花费时间？

Answer 1

• hist(基本 R)返回具有基本直方图属性的 list，它不存储原始数据或有关图形对象本身的任何内容。一旦可以使用返回对象来重新创建绘图，但这与存储图形对象本身不同。在这种情况下，基本统计信息列表的大小始终很小。

  为了更好地了解 hist 创建的对象的大小，我们可以记录它。见下文。

• ggplot2 返回包含原始数据的 list 结构。这是必要的，因为图形对象是在上下文中专门渲染的。一旦渲染，图形对象不一定包含原始数据(当然取决于它的绘制方式......)。

  通常，基于 ggplot2 的图形涉及更多“事物”(主题派生)，因此我预计绘图会稍大一些。这可以通过使用主题和其他方式来控制。

可重复的比较示例:

set.seed(42)
pc <- data.frame("match length" = sample(8:47, 1e6, replace = TRUE), check.names = FALSE)
head(pc)
#   match length
# 1           44
# 2            8
# 3           32
# 4           17
# 5           43
# 6           25

生成图:

gg_hist <- ggplot(pc, aes(`match length`)) + geom_histogram()
gg_hist
gg_grob_hist <- recordPlot()

gg_point <- ggplot(pc, aes(`match length`)) + geom_point(y = 1)
gg_point
gg_grob_point <- recordPlot()

h <- hist(pc$`match length`)
base_grob_hist <- recordPlot()

对象比较:

object.size(pc)
# 4000736 bytes
object.size(h)
# 1840 bytes
object.size(base_grob_hist)
# 69256 bytes
object.size(gg_hist)
# 4006336 bytes
object.size(gg_grob_hist)
# 1346728 bytes
object.size(gg_point)
# 4005616 bytes
object.size(gg_grob_point)
# 104746152 bytes

注释:

• 虽然h非常小，但它的grob大小巨大非常小，可能是因为它实际上只是一些图形元素。 (已编辑，我认为它最初很大，因为在同一开发中的此图和其他图之间来回移动......奇怪，仍在研究这个。)
• gg_hist 和 gg_point 的对象大小(仅用于证明这一点的示例)几乎相同，它们都在内部存储原始数据，因此只是比 pc
的原始大小稍大一点
• gg_grob_hist 的对象大小比 gg_hist 小得多(gg_grob_point 的大小巨大，这并不奇怪，因为我们正在绘制 1e6 个单独的点)

我认为如果您想减小渲染的 PDF 的大小，有一些想法:

• 您是否正在插入其他包含点和/或更多元素的图形对象？
• rmarkdown 渲染的默认设置是包含基于矢量的图形，这在 PDF 中看起来要好得多，但会增加其大小；您可以尝试渲染为 PNG(也许参见 https://community.rstudio.com/t/how-can-i-render-ggplot-images-in-png-rather-than-pdf-in-order-to-speed-up-my-compiled-pdf-document/12133 )