如何让geom_smooth平滑线随数据密度呈现Alpha渐变？

我绘制了如下网格散点图，希望每个面板中各物种的平滑线能够反映数据的密度。思路是先对x轴数值分箱，统计每个物种、性别、年份分组下的观测数，并用该count变量设置alpha，但此方法未生效（即使使用stat_smooth(geom='line')）。例如左下角面板（雌性，2009年）中，预期x值15-16区间的线相对更透明，16-18区间更深，18以上则极透明。

问题原因 #

原方法无效的核心原因是：stat_smooth生成的平滑线是基于原始数据拟合后的新点集，这些拟合点并没有绑定你之前计算的分箱count值，因此alpha=count无法对应到平滑线的分段透明度。

解决方案 #

以下提供两种可行的实现方式：

方法1：分箱统计后拟合平滑线 #

先对数据按x轴分箱，统计每个分箱的观测数、中心值，再基于分箱数据拟合平滑线并将count映射到alpha：

library(tidyverse)
library(palmerpenguins)

# 预处理：分箱并统计每个分箱的核心指标
penguins_binned <- penguins %>%
  drop_na(sex) %>% # 剔除性别缺失的数据
  group_by(species, sex, year) %>%
  mutate(xbin = cut(bill_depth_mm, breaks = 4)) %>%
  group_by(species, sex, year, xbin) %>%
  summarise(
    count = n(),
    # 用分箱中位数作为x轴中心值
    bill_depth_center = median(bill_depth_mm),
    # 用分箱y值均值作为拟合基准
    bill_length_mean = mean(bill_length_mm)
  ) %>%
  ungroup()

# 绘制图形
ggplot() +
  # 原始散点层
  geom_point(
    data = penguins %>% drop_na(sex),
    aes(x = bill_depth_mm, y = bill_length_mm, colour = species),
    alpha = 0.5
  ) +
  # 基于分箱数据的平滑线，映射count到alpha
  geom_smooth(
    data = penguins_binned,
    aes(x = bill_depth_center, y = bill_length_mean, colour = species, alpha = count),
    geom = "line", se = FALSE, method = "loess"
  ) +
  # 调整alpha的取值范围，让透明度差异更显著
  scale_alpha_continuous(range = c(0.1, 1)) +
  facet_grid(year ~ sex)

方法2：基于核密度的权重拟合 #

通过核密度估计每个数据点的局部密度，将密度作为拟合权重，同时映射到alpha，让密集区域的平滑线更清晰：

library(tidyverse)
library(palmerpenguins)

# 计算每个点的局部密度作为权重
penguins_density <- penguins %>%
  drop_na(sex) %>%
  group_by(species, sex, year) %>%
  mutate(
    # 用核密度估计计算每个点的局部密度
    density = density(bill_depth_mm, bw = 0.5)$y[findInterval(bill_depth_mm, density(bill_depth_mm, bw = 0.5)$x)]
  ) %>%
  ungroup()

# 绘制图形
ggplot(penguins_density, aes(x = bill_depth_mm, y = bill_length_mm, colour = species)) +
  geom_point(alpha = 0.5) +
  geom_smooth(
    aes(alpha = density),
    geom = "line", se = FALSE, method = "loess",
    weight = density # 用密度作为拟合权重，强化密集区域的拟合
  ) +
  scale_alpha_continuous(range = c(0.1, 1)) +
  facet_grid(year ~ sex)

这两种方法都能实现你想要的效果：平滑线在数据密集的区间更不透明，稀疏区间更透明。

内容的提问来源于stack exchange，提问作者CyG