如何在ggplot2中为指数型数据添加趋势线？

错误原因 #

你的代码使用formula = y ~ exp(x)时，x是2014-2023这类大数值，exp(2014)会生成远超R数值范围的极大值，直接变为Inf，导致线性模型lm无法拟合，触发NA/NaN/Inf的错误。

解决方案 #

针对你的指数增长数据，提供两种可行的修正方式：

方式1：对年份做中心化处理 #

将年份减去起始值（如2014），缩小x的数值范围后再拟合指数模型：

library(ggplot2)

data <- data.frame(
  year = 2014:2023,
  totglp = c(27, 73, 125, 225, 266, 368, 466, 820, 1383, 2167)
)

# 中心化年份：减去起始年份2014
data$year_centered <- data$year - 2014

ggplot(data, aes(x = year, y = totglp)) +
  geom_point() +
  geom_smooth(method = "lm", formula = y ~ exp(x_centered), se = FALSE, 
              aes(x_centered = year_centered))

方式2：对y做对数变换拟合线性模型 #

你的数据呈现指数增长特性，log(y)与x近似线性关系，拟合后可还原趋势线：

ggplot(data, aes(x = year, y = totglp)) +
  geom_point() +
  geom_smooth(method = "lm", formula = log(y) ~ x, se = FALSE)

也可以直接用带对数链接的广义线性模型拟合：

ggplot(data, aes(x = year, y = totglp)) +
  geom_point() +
  geom_smooth(method = "glm", formula = y ~ x, 
              method.args = list(family = gaussian(link = "log")), se = FALSE)

以上两种方式都能避免数值溢出问题，拟合出符合数据趋势的曲线。

内容的提问来源于stack exchange，提问作者Preston Carey