我们可以用count计算统计量的相对值来替换y美学，并设置比例来显示百分比：

ggplot2.histogram(data=dat, xName='dens',
                  groupName='lines', legendPosition="top",
                  alpha=0.1) + 
  labs(x="X", y="Count") +
  theme(panel.border = element_rect(colour = "black"),
        panel.grid.minor = element_blank(), 
        axis.line = element_line(colour = "black")) + 
  theme_bw()+
  theme(legend.title=element_blank()) + 
  aes(y = after_stat(count)/sum(after_stat(count))) + 
  scale_y_continuous(labels = scales::percent)

如果我理解正确，那么fill会回答你的问题吗？
比如说，

mtcars %>% 
ggplot(aes(x = factor(gear), group = factor(cyl), fill = factor(cyl))) + 
geom_bar(position = "fill")

在这里，您不再有计数，但是对于沿着x轴的每个值，您有每个组的百分比（在这里：圆柱体）绘制。
如果这不是您想要的，一般建议是先计算要绘制的数据，然后再绘制它。也就是说，许多人认为将计算/转换/聚合与绘图分开通常是明智的。
为了跟进我将计算与可视化分离的建议，让我们考虑mtcars数据集，并关注gear和carb。

with(mtcars, table(gear, carb))
    carb
gear 1 2 3 4 6 8
   3 3 4 3 5 0 0
   4 4 4 0 4 0 0
   5 0 2 0 1 1 1

例如，您可以看到3个（32个中的）观测值具有gear = 3, carb = 1，这略小于10%。同样，4个观测值有gear = 4, carb = 1，比10%多一点。让我们直接计算百分比：

with(mtcars, prop.table(table(gear, carb)))
    carb
gear       1       2       3       4       6       8
   3 0.09375 0.12500 0.09375 0.15625 0.00000 0.00000
   4 0.12500 0.12500 0.00000 0.12500 0.00000 0.00000
   5 0.00000 0.06250 0.00000 0.03125 0.03125 0.03125

我在这里使用了prop.table，它也有一个margin参数。也就是说，如果你想知道条件百分比，你可以很容易地调整它（见下文）。不过，我们还是先讨论这个吧。假设我们想在计算完这些数字后将其可视化，我们可以简单地调用以下命令：

with(mtcars, prop.table(table(gear, carb))) %>% 
             as.data.frame() %>% 
             ggplot(aes(x = factor(carb), y = Freq, group = factor(gear), fill = factor(gear))) + 
             geom_bar(stat = "identity")

这将给我们给予：

现在假设你想得到条件版本，例如。

with(mtcars, prop.table(table(gear, carb), margin = 1))
    carb
gear         1         2         3         4         6         8
   3 0.2000000 0.2666667 0.2000000 0.3333333 0.0000000 0.0000000
   4 0.3333333 0.3333333 0.0000000 0.3333333 0.0000000 0.0000000
   5 0.0000000 0.4000000 0.0000000 0.2000000 0.2000000 0.2000000

注意每行的总和是如何为1的。这可以用同样的方式绘制：

with(mtcars, prop.table(table(gear, carb), margin = 1)) %>% 
as.data.frame() %>% 
ggplot(aes(x = factor(carb), y = Freq, group = factor(gear), fill = factor(gear))) + 
geom_bar(stat = "identity")

请注意与以下方法生成的平滑版本的相似性：

mtcars %>% 
ggplot(aes(x = factor(carb), group = factor(gear), fill = factor(gear))) + 
geom_density(alpha = 0.5)