如何用ggplot可视化连续变量随时间变化并区分两类分组条件？

核心思路 #

通过分组（group）结合颜色、线型的组合方式，同时区分两个分类变量的不同取值组合，在单张图中展示4种条件下z的时间变化趋势：

• x=A且y=a
• x=A且y≠a
• x≠A且y=a
• x≠A且y≠a

实现代码 #

# 加载所需包
library(ggplot2)
library(dynamite)
library(dplyr)

# 加载示例数据
data(categorical_example)

# 数据预处理：创建分类组合变量，提取时间变量
df <- categorical_example %>%
  # 假设时间变量为time（根据实际数据集调整）
  mutate(
    # 标记x是否为A
    x_group = ifelse(x == "A", "x=A", "x≠A"),
    # 标记y是否为a
    y_group = ifelse(y == "a", "y=a", "y≠a"),
    # 合并为组合分组
    group_xy = paste(x_group, y_group, sep = " | ")
  )

# 绘制趋势图
ggplot(df, aes(x = time, y = z, group = group_xy)) +
  # 用颜色区分x分组，线型区分y分组（或反过来，按需调整）
  geom_line(aes(color = x_group, linetype = y_group), linewidth = 1) +
  # 设置颜色和线型的标签，提升可读性
  scale_color_discrete(name = "X条件") +
  scale_linetype_discrete(name = "Y条件") +
  # 添加坐标轴标签和标题
  labs(
    x = "时间",
    y = "变量z",
    title = "不同X、Y条件下z的时间变化趋势"
  ) +
  # 调整主题，让图表更清晰
  theme_minimal() +
  theme(
    plot.title = element_text(hjust = 0.5, size = 14, face = "bold"),
    legend.position = "bottom"
  )

代码说明 #

1. 数据预处理：通过mutate创建两个分组变量x_group和y_group，再合并为group_xy确保每个组合都被单独分组。
2. 映射设置：aes中用group指定分组，color绑定x的分组，linetype绑定y的分组，同时区分两个变量的差异。
3. 优化可读性：通过scale_*_discrete设置图例名称，theme_minimal和自定义主题让图表更整洁。

内容的提问来源于stack exchange，提问作者ebrahimi