for (pkg in c("tidyverse", "gapminder", "ggrepel")) {
  if (!require(pkg, character.only = TRUE)) install.packages(pkg)
}

Streudiagramme mit vielen Datenpunkten profitieren oft von Textlabels, die einzelne Beobachtungen identifizieren - Laendernamen, Gen-IDs oder Probenbezeichnungen. Der naheliegendste Ansatz ist geom_text(), aber sobald die Anzahl der beschrifteten Punkte ueber eine Handvoll hinausgeht, ueberlappen sich die Labels gegenseitig und verdecken die Datenpunkte, sodass der Plot unleserlich wird.

Das {ggrepel}-Paket loest dieses Problem mit zwei Drop-in-Ersetzungen: geom_text_repel() und geom_label_repel(). Beide verwenden einen iterativen Algorithmus, der Labels voneinander und von den Datenpunkten wegschiebt und duenne Linien-Segmente zeichnet, die jedes Label mit seinem Punkt verbinden. Da die Funktionen dieselbe Aesthetik-Schnittstelle wie geom_text() und geom_label() haben, reicht es, den Funktionsnamen auszutauschen.

In diesem Kapitel verwendet man den gapminder-Datensatz fuer das Jahr 2007 und stellt das BIP pro Kopf gegen die Lebenserwartung fuer alle 142 Laender dar - ein dichtes Streudiagramm, bei dem die automatische Label-Platzierung einen echten Unterschied macht.

Setup

Man filtert die gapminder-Daten auf das Jahr 2007 und behaelt alle Laender. Da das BIP pro Kopf mehrere Groessenordnungen umfasst (von wenigen hundert bis ueber 40.000 USD), wird durchgehend eine logarithmische x-Achse verwendet.

dat <- gapminder::gapminder %>%
  filter(year == 2007)

dat

# A tibble: 142 × 6
   country     continent  year lifeExp       pop gdpPercap
   <fct>       <fct>     <int>   <dbl>     <int>     <dbl>
 1 Afghanistan Asia       2007    43.8  31889923      975.
 2 Albania     Europe     2007    76.4   3600523     5937.
 3 Algeria     Africa     2007    72.3  33333216     6223.
 4 Angola      Africa     2007    42.7  12420476     4797.
 5 Argentina   Americas   2007    75.3  40301927    12779.
 6 Australia   Oceania    2007    81.2  20434176    34435.
 7 Austria     Europe     2007    79.8   8199783    36126.
 8 Bahrain     Asia       2007    75.6    708573    29796.
 9 Bangladesh  Asia       2007    64.1 150448339     1391.
10 Belgium     Europe     2007    79.4  10392226    33693.
# ℹ 132 more rows

Um das Labeling-Problem zu veranschaulichen, erstellen wir hier ein Streudiagramm mit geom_text() - jeder Laendername wird direkt an seinem Datenpunkt platziert:

ggplot(dat, aes(x = gdpPercap, y = lifeExp)) +
  geom_point(aes(size = pop, color = continent), alpha = 0.7) +
  geom_text(aes(label = country), size = 2.5) +
  scale_x_log10() +
  scale_size_continuous(guide = "none") +
  labs(
    x = "BIP pro Kopf (log-Skala)",
    y = "Lebenserwartung (Jahre)",
    color = "Kontinent"
  ) +
  theme_minimal()

Das Ergebnis ist ein unleserliches Durcheinander: Labels ueberlappen sich gegenseitig und verdecken die Punkte. Genau zur Loesung dieses Problems wurde ggrepel entwickelt.

geom_text_repel

Man ersetzt einfach geom_text() durch geom_text_repel(). Die Funktion positioniert Labels automatisch so um, dass sie sich nicht ueberlappen, und zeichnet ein kleines Liniensegment von jedem Label zu seinem Datenpunkt:

ggplot(dat, aes(x = gdpPercap, y = lifeExp)) +
  geom_point(aes(size = pop, color = continent), alpha = 0.7) +
  geom_text_repel(aes(label = country), size = 2.5) +
  scale_x_log10() +
  scale_size_continuous(guide = "none") +
  labs(
    x = "BIP pro Kopf (log-Skala)",
    y = "Lebenserwartung (Jahre)",
    color = "Kontinent"
  ) +
  theme_minimal()

Warning: ggrepel: 68 unlabeled data points (too many overlaps). Consider
increasing max.overlaps

Standardmaessig unterdrueckt geom_text_repel() Labels, wenn mehr als 10 in derselben Region ueberlappen wuerden (gesteuert durch max.overlaps). Mehrere Parameter helfen bei der Feinabstimmung der Platzierung:

max.overlaps - Maximale Anzahl ueberlappender Labels, bevor ein Label ausgeblendet wird. Der Standard ist 10; man setzt Inf, um alle Labels unabhaengig von Ueberlappungen anzuzeigen.
box.padding - Zusaetzlicher Abstand um die Bounding Box jedes Labels (Standard 0.25 Zeilen). Erhoehen fuer mehr Abstand zwischen Labels.
point.padding - Mindestabstand zwischen einem Label und seinem Datenpunkt (Standard 0).
min.segment.length - Segmente kuerzer als dieser Wert werden ausgeblendet (Standard 0.5 Zeilen). Auf 0 setzen, um Segmente immer anzuzeigen.
seed - Der Repulsion-Algorithmus hat eine stochastische Komponente. Durch Setzen eines Seeds erhaelt man bei jedem Rendern dieselben Label-Positionen.

ggplot(dat, aes(x = gdpPercap, y = lifeExp)) +
  geom_point(aes(size = pop, color = continent), alpha = 0.7) +
  geom_text_repel(
    aes(label = country),
    size = 2.5,
    max.overlaps = 20,
    seed = 42
  ) +
  scale_x_log10() +
  scale_size_continuous(guide = "none") +
  labs(
    x = "BIP pro Kopf (log-Skala)",
    y = "Lebenserwartung (Jahre)",
    color = "Kontinent"
  ) +
  theme_minimal()

Warning: ggrepel: 35 unlabeled data points (too many overlaps). Consider
increasing max.overlaps

geom_label_repel

Waehrend geom_text_repel() einfachen Text zeichnet, platziert geom_label_repel() den Text in einem gefuellten Rechteck - nuetzlich, wenn Labels sich von einem unruhigen Hintergrund abheben muessen. Die Verbindungssegmente lassen sich unabhaengig gestalten:

dat_small <- dat %>%
  filter(continent == "Europe")

ggplot(dat_small, aes(x = gdpPercap, y = lifeExp)) +
  geom_point(aes(size = pop), color = "#201E50", alpha = 0.7) +
  geom_label_repel(
    aes(label = country),
    size = 2.5,
    fill = "white",
    label.size = 0.2,
    segment.color = "grey50",
    segment.linetype = "dashed",
    seed = 42
  ) +
  scale_x_log10() +
  scale_size_continuous(guide = "none") +
  labs(
    x = "BIP pro Kopf (log-Skala)",
    y = "Lebenserwartung (Jahre)"
  ) +
  theme_minimal()

Warning: ggrepel: 2 unlabeled data points (too many overlaps). Consider
increasing max.overlaps

Da das Labeln aller 142 Laender auf einmal selbst mit Repulsion ueberfordernd wirkt, ist eine Filterung auf einen einzelnen Kontinent (hier Europa mit 30 Laendern) fuer geom_label_repel() deutlich effektiver.

Selektives Labeling

In vielen Situationen ist es weder noetig noch wuenschenswert, jeden Punkt zu beschriften. Eine gaengige Strategie besteht darin, nur die interessantesten Beobachtungen zu beschriften - zum Beispiel die Laender mit der hoechsten Lebenserwartung - und den Rest als unbeschriftete Punkte zu belassen. So bleibt der Plot uebersichtlich und hebt gleichzeitig die wichtigsten Daten hervor.

Der Ansatz ist einfach: Man erstellt eine Hilfsspalte, die den Laendernamen fuer Punkte enthaelt, die beschriftet werden sollen, und NA fuer alle anderen. geom_text_repel() ueberspringt NA-Werte bei na.rm = TRUE:

top5 <- dat %>%
  slice_max(lifeExp, n = 5) %>%
  pull(country)

dat_labeled <- dat %>%
  mutate(label_col = if_else(country %in% top5, as.character(country), NA_character_))

ggplot(dat_labeled, aes(x = gdpPercap, y = lifeExp)) +
  geom_point(aes(size = pop, color = continent), alpha = 0.7) +
  geom_text_repel(
    aes(label = label_col),
    size = 3,
    fontface = "bold",
    seed = 42,
    na.rm = TRUE
  ) +
  scale_x_log10() +
  scale_size_continuous(guide = "none") +
  labs(
    x = "BIP pro Kopf (log-Skala)",
    y = "Lebenserwartung (Jahre)",
    color = "Kontinent"
  ) +
  theme_minimal()

Diese Technik skaliert gut: Man kann Ausreisser, Punkte ueber einem Schwellenwert oder jede durch eine logische Bedingung definierte Teilmenge beschriften - alles ohne den zugrundeliegenden Datensatz zu veraendern.

Seitenausgerichtete Labels

Ein besonders aufgeraeumter Labeling-Stil platziert alle Labels auf einer Seite des Plots, vertikal ausgerichtet. Das vermeidet das verstreute Erscheinungsbild frei abgestossener Labels und funktioniert gut, wenn die Anzahl der Punkte ueberschaubar ist. Die Schluesselparameter sind:

direction = "y" - beschraenkt die Label-Bewegung auf die vertikale Achse, sodass Labels auf derselben x-Position bleiben
hjust = 0 - richtet den Labeltext linksbuendig aus
nudge_x - verschiebt alle Labels um einen festen Abstand nach rechts von ihren Datenpunkten
expand auf der x-Achse - schafft genuegend Platz auf der rechten Seite fuer die Labels

dat_europe <- dat %>%
  filter(continent == "Europe")

max_gdp <- max(dat_europe$gdpPercap)

ggplot(dat_europe, aes(x = gdpPercap, y = lifeExp)) +
  geom_point(color = "#201E50", alpha = 0.7) +
  geom_text_repel(
    aes(label = country),
    size = 2.5,
    direction = "y",
    hjust = 0,
    nudge_x = max_gdp - dat_europe$gdpPercap + 2000,
    segment.size = 0.3,
    segment.color = "grey60",
    seed = 42
  ) +
  scale_x_continuous(
    name = "BIP pro Kopf (USD)",
    expand = expansion(mult = c(0.05, 0.3))
  ) +
  labs(y = "Lebenserwartung (Jahre)") +
  theme_minimal()

Der Trick ist, nudge_x pro Punkt als max(x) - x + offset zu berechnen, sodass jedes Label unabhaengig von der Position seines Datenpunkts an derselben x-Position landet. In Kombination mit direction = "y" breiten sich die Labels nur vertikal von diesem Ankerpunkt aus und bilden eine ordentliche Spalte, die durch gerade horizontale Segmente mit ihren Punkten verbunden ist.

Performance

Bei Hunderten von Labels kann der Repulsion-Algorithmus langsam werden. Zwei Parameter helfen bei der Steuerung der Rechenzeit: max.overlaps begrenzt, wie viele ueberlappende Labels versucht werden (der Rest wird ausgeblendet), und max.time setzt ein Zeitlimit fuer den Algorithmus in Sekunden (Standard 0.5). Fuer sehr dichte Plots ist selektives Labeling wie oben gezeigt meist der bessere Ansatz.

Zitat

Mit BibTeX zitieren:

@online{schmidt2026,
  author = {{Dr. Paul Schmidt}},
  publisher = {BioMath GmbH},
  title = {7. ggrepel},
  date = {2026-03-10},
  url = {https://biomathcontent.netlify.app/de/content/ggplot2/07_ggrepel.html},
  langid = {de}
}

Bitte zitieren Sie diese Arbeit als:

Dr. Paul Schmidt. 2026. “7. ggrepel.” BioMath GmbH. March 10, 2026. https://biomathcontent.netlify.app/de/content/ggplot2/07_ggrepel.html.

--- title: "7. ggrepel" subtitle: "Nicht-ueberlappende Textlabels fuer Streudiagramme" --- ```{r} #| label: repel-packages #| message: false #| warning: false for (pkg in c("tidyverse", "gapminder", "ggrepel")) { if (!require(pkg, character.only = TRUE)) install.packages(pkg) } ``` Streudiagramme mit vielen Datenpunkten profitieren oft von Textlabels, die einzelne Beobachtungen identifizieren - Laendernamen, Gen-IDs oder Probenbezeichnungen. Der naheliegendste Ansatz ist `geom_text()`, aber sobald die Anzahl der beschrifteten Punkte ueber eine Handvoll hinausgeht, ueberlappen sich die Labels gegenseitig und verdecken die Datenpunkte, sodass der Plot unleserlich wird. Das [{ggrepel}](https://ggrepel.slowkow.com/)-Paket loest dieses Problem mit zwei Drop-in-Ersetzungen: `geom_text_repel()` und `geom_label_repel()`. Beide verwenden einen iterativen Algorithmus, der Labels voneinander und von den Datenpunkten wegschiebt und duenne Linien-Segmente zeichnet, die jedes Label mit seinem Punkt verbinden. Da die Funktionen dieselbe Aesthetik-Schnittstelle wie `geom_text()` und `geom_label()` haben, reicht es, den Funktionsnamen auszutauschen. In diesem Kapitel verwendet man den gapminder-Datensatz fuer das Jahr 2007 und stellt das BIP pro Kopf gegen die Lebenserwartung fuer alle 142 Laender dar - ein dichtes Streudiagramm, bei dem die automatische Label-Platzierung einen echten Unterschied macht. # Setup Man filtert die gapminder-Daten auf das Jahr 2007 und behaelt alle Laender. Da das BIP pro Kopf mehrere Groessenordnungen umfasst (von wenigen hundert bis ueber 40.000 USD), wird durchgehend eine logarithmische x-Achse verwendet. ```{r} #| label: repel-data dat <- gapminder::gapminder %>% filter(year == 2007) dat ``` Um das Labeling-Problem zu veranschaulichen, erstellen wir hier ein Streudiagramm mit `geom_text()` - jeder Laendername wird direkt an seinem Datenpunkt platziert: ```{r} #| label: repel-overlap #| fig-width: 7 #| fig-height: 5 ggplot(dat, aes(x = gdpPercap, y = lifeExp)) + geom_point(aes(size = pop, color = continent), alpha = 0.7) + geom_text(aes(label = country), size = 2.5) + scale_x_log10() + scale_size_continuous(guide = "none") + labs( x = "BIP pro Kopf (log-Skala)", y = "Lebenserwartung (Jahre)", color = "Kontinent" ) + theme_minimal() ``` Das Ergebnis ist ein unleserliches Durcheinander: Labels ueberlappen sich gegenseitig und verdecken die Punkte. Genau zur Loesung dieses Problems wurde ggrepel entwickelt. # geom_text_repel Man ersetzt einfach `geom_text()` durch `geom_text_repel()`. Die Funktion positioniert Labels automatisch so um, dass sie sich nicht ueberlappen, und zeichnet ein kleines Liniensegment von jedem Label zu seinem Datenpunkt: ```{r} #| label: repel-text-basic #| fig-width: 7 #| fig-height: 5 ggplot(dat, aes(x = gdpPercap, y = lifeExp)) + geom_point(aes(size = pop, color = continent), alpha = 0.7) + geom_text_repel(aes(label = country), size = 2.5) + scale_x_log10() + scale_size_continuous(guide = "none") + labs( x = "BIP pro Kopf (log-Skala)", y = "Lebenserwartung (Jahre)", color = "Kontinent" ) + theme_minimal() ``` Standardmaessig unterdrueckt `geom_text_repel()` Labels, wenn mehr als 10 in derselben Region ueberlappen wuerden (gesteuert durch `max.overlaps`). Mehrere Parameter helfen bei der Feinabstimmung der Platzierung: - **`max.overlaps`** - Maximale Anzahl ueberlappender Labels, bevor ein Label ausgeblendet wird. Der Standard ist 10; man setzt `Inf`, um alle Labels unabhaengig von Ueberlappungen anzuzeigen. - **`box.padding`** - Zusaetzlicher Abstand um die Bounding Box jedes Labels (Standard 0.25 Zeilen). Erhoehen fuer mehr Abstand zwischen Labels. - **`point.padding`** - Mindestabstand zwischen einem Label und seinem Datenpunkt (Standard 0). - **`min.segment.length`** - Segmente kuerzer als dieser Wert werden ausgeblendet (Standard 0.5 Zeilen). Auf 0 setzen, um Segmente immer anzuzeigen. - **`seed`** - Der Repulsion-Algorithmus hat eine stochastische Komponente. Durch Setzen eines Seeds erhaelt man bei jedem Rendern dieselben Label-Positionen. ```{r} #| label: repel-text-params #| fig-width: 7 #| fig-height: 5 ggplot(dat, aes(x = gdpPercap, y = lifeExp)) + geom_point(aes(size = pop, color = continent), alpha = 0.7) + geom_text_repel( aes(label = country), size = 2.5, max.overlaps = 20, seed = 42 ) + scale_x_log10() + scale_size_continuous(guide = "none") + labs( x = "BIP pro Kopf (log-Skala)", y = "Lebenserwartung (Jahre)", color = "Kontinent" ) + theme_minimal() ``` # geom_label_repel Waehrend `geom_text_repel()` einfachen Text zeichnet, platziert `geom_label_repel()` den Text in einem gefuellten Rechteck - nuetzlich, wenn Labels sich von einem unruhigen Hintergrund abheben muessen. Die Verbindungssegmente lassen sich unabhaengig gestalten: ```{r} #| label: repel-label #| fig-width: 7 #| fig-height: 5 dat_small <- dat %>% filter(continent == "Europe") ggplot(dat_small, aes(x = gdpPercap, y = lifeExp)) + geom_point(aes(size = pop), color = "#201E50", alpha = 0.7) + geom_label_repel( aes(label = country), size = 2.5, fill = "white", label.size = 0.2, segment.color = "grey50", segment.linetype = "dashed", seed = 42 ) + scale_x_log10() + scale_size_continuous(guide = "none") + labs( x = "BIP pro Kopf (log-Skala)", y = "Lebenserwartung (Jahre)" ) + theme_minimal() ``` Da das Labeln aller 142 Laender auf einmal selbst mit Repulsion ueberfordernd wirkt, ist eine Filterung auf einen einzelnen Kontinent (hier Europa mit 30 Laendern) fuer `geom_label_repel()` deutlich effektiver. # Selektives Labeling In vielen Situationen ist es weder noetig noch wuenschenswert, jeden Punkt zu beschriften. Eine gaengige Strategie besteht darin, nur die interessantesten Beobachtungen zu beschriften - zum Beispiel die Laender mit der hoechsten Lebenserwartung - und den Rest als unbeschriftete Punkte zu belassen. So bleibt der Plot uebersichtlich und hebt gleichzeitig die wichtigsten Daten hervor. Der Ansatz ist einfach: Man erstellt eine Hilfsspalte, die den Laendernamen fuer Punkte enthaelt, die beschriftet werden sollen, und `NA` fuer alle anderen. `geom_text_repel()` ueberspringt `NA`-Werte bei `na.rm = TRUE`: ```{r} #| label: repel-selective #| fig-width: 7 #| fig-height: 5 top5 <- dat %>% slice_max(lifeExp, n = 5) %>% pull(country) dat_labeled <- dat %>% mutate(label_col = if_else(country %in% top5, as.character(country), NA_character_)) ggplot(dat_labeled, aes(x = gdpPercap, y = lifeExp)) + geom_point(aes(size = pop, color = continent), alpha = 0.7) + geom_text_repel( aes(label = label_col), size = 3, fontface = "bold", seed = 42, na.rm = TRUE ) + scale_x_log10() + scale_size_continuous(guide = "none") + labs( x = "BIP pro Kopf (log-Skala)", y = "Lebenserwartung (Jahre)", color = "Kontinent" ) + theme_minimal() ``` Diese Technik skaliert gut: Man kann Ausreisser, Punkte ueber einem Schwellenwert oder jede durch eine logische Bedingung definierte Teilmenge beschriften - alles ohne den zugrundeliegenden Datensatz zu veraendern. # Seitenausgerichtete Labels Ein besonders aufgeraeumter Labeling-Stil platziert alle Labels auf einer Seite des Plots, vertikal ausgerichtet. Das vermeidet das verstreute Erscheinungsbild frei abgestossener Labels und funktioniert gut, wenn die Anzahl der Punkte ueberschaubar ist. Die Schluesselparameter sind: - **`direction = "y"`** - beschraenkt die Label-Bewegung auf die vertikale Achse, sodass Labels auf derselben x-Position bleiben - **`hjust = 0`** - richtet den Labeltext linksbuendig aus - **`nudge_x`** - verschiebt alle Labels um einen festen Abstand nach rechts von ihren Datenpunkten - **`expand`** auf der x-Achse - schafft genuegend Platz auf der rechten Seite fuer die Labels ```{r} #| label: repel-side-aligned #| fig-width: 7 #| fig-height: 5 dat_europe <- dat %>% filter(continent == "Europe") max_gdp <- max(dat_europe$gdpPercap) ggplot(dat_europe, aes(x = gdpPercap, y = lifeExp)) + geom_point(color = "#201E50", alpha = 0.7) + geom_text_repel( aes(label = country), size = 2.5, direction = "y", hjust = 0, nudge_x = max_gdp - dat_europe$gdpPercap + 2000, segment.size = 0.3, segment.color = "grey60", seed = 42 ) + scale_x_continuous( name = "BIP pro Kopf (USD)", expand = expansion(mult = c(0.05, 0.3)) ) + labs(y = "Lebenserwartung (Jahre)") + theme_minimal() ``` Der Trick ist, `nudge_x` pro Punkt als `max(x) - x + offset` zu berechnen, sodass jedes Label unabhaengig von der Position seines Datenpunkts an derselben x-Position landet. In Kombination mit `direction = "y"` breiten sich die Labels nur vertikal von diesem Ankerpunkt aus und bilden eine ordentliche Spalte, die durch gerade horizontale Segmente mit ihren Punkten verbunden ist. :::{.callout-note} ## Performance Bei Hunderten von Labels kann der Repulsion-Algorithmus langsam werden. Zwei Parameter helfen bei der Steuerung der Rechenzeit: `max.overlaps` begrenzt, wie viele ueberlappende Labels versucht werden (der Rest wird ausgeblendet), und `max.time` setzt ein Zeitlimit fuer den Algorithmus in Sekunden (Standard 0.5). Fuer sehr dichte Plots ist selektives Labeling wie oben gezeigt meist der bessere Ansatz. :::