如何在R散点图中创建对应分箱范围的组均值分段线？

问题描述 #

我尝试将数据按wdi_expedu划分为等大小分箱，计算每个分箱的wdi_expedu均值，再在wdi_expedu与left_seats的散点图上叠加对应分箱的水平均值分段线。我已经用以下代码创建了4个分箱并生成了组均值数据框：

j <- 4

data_selected_na <- data_selected_na %>%
  mutate(bin = as.integer(cut_number(wdi_expedu,j)))

bin_means <- data_selected_na %>%
  group_by(bin) %>%
  summarise(mean_wdi_expedu = mean(wdi_expedu))

但当前绘制的分段线会横跨整个图表，我希望分段线仅覆盖对应分箱的left_seats数值范围，而且不想手动设置坐标（最终j值会扩展到100），请问该怎么实现？当前绘图代码如下：

ggplot(data_selected_na, aes(x = left_seats, y = wdi_expedu)) +
  geom_point() +
  geom_segment(data = bin_means, aes(x = min(data_selected_na$left_seats), xend = max(data_selected_na$left_seats), y = bin_means$mean_wdi_expedu, yend = bin_means$mean_wdi_expedu), color = "red") +
  labs(title = "Scatterplot with Horizontal Lines for j = 4", x = "Left Seats", y = "Education Spending") +
  theme_minimal()

解决方法 #

核心是在计算分箱均值时，同步统计每个分箱对应的left_seats极值，用这些极值来限定分段线的x轴范围，无需手动设置坐标。

1. 修正分箱均值计算逻辑 #

在summarise步骤中新增两个统计量：每个分箱内left_seats的最小值和最大值：

j <- 4

data_selected_na <- data_selected_na %>%
  mutate(bin = as.integer(cut_number(wdi_expedu,j)))

bin_means <- data_selected_na %>%
  group_by(bin) %>%
  summarise(
    mean_wdi_expedu = mean(wdi_expedu),
    min_left = min(left_seats),  # 记录分箱内left_seats的最小值
    max_left = max(left_seats)   # 记录分箱内left_seats的最大值
  )

2. 调整绘图代码 #

在geom_segment中直接调用bin_means里的min_left和max_left作为x轴起止点，同时避免在aes中使用全局数据引用（已指定data = bin_means，直接用列名即可）：

ggplot(data_selected_na, aes(x = left_seats, y = wdi_expedu)) +
  geom_point() +
  geom_segment(
    data = bin_means,
    aes(x = min_left, xend = max_left, y = mean_wdi_expedu, yend = mean_wdi_expedu),
    color = "red",
    linewidth = 1  # 可选：调整线条粗细，提升可读性
  ) +
  labs(
    title = "散点图：分箱均值水平线（j = 4）",
    x = "左翼席位",
    y = "教育支出"
  ) +
  theme_minimal()

效果说明 #

• 修改后，每条红色水平线仅覆盖对应分箱内left_seats的实际取值区间，不会横跨整个图表。
• 当j扩展到100时，代码无需手动调整，会自动适配所有分箱的极值计算，完全满足批量分箱的需求。

内容的提问来源于stack exchange，提问作者Kate