在ggplot2中按分组元素数量选择geom_smooth的不同公式

问题描述 #

需要为图表中每个分组添加geom_smooth拟合线，规则为：

• 分组元素数少于4时，使用线性公式y~x
• 分组元素数4个及以上时，使用对数公式y~log(x,2)

原始代码尝试用n()判断分组行数，但报错：

Error in n():
! Must only be used inside data-masking verbs like mutate(), filter(), and group_by()

解决方案 #

步骤1：预处理数据，添加分组样本量 #

先给数据集新增一列，记录每个分组的观测数量，后续用于筛选数据：

library(tidyverse)
library(ggplot2)

# 给数据添加分组大小列
df <- df %>%
  group_by(group) %>%
  mutate(group_size = n()) %>%
  ungroup()

步骤2：分图层应用不同拟合公式 #

通过两个geom_smooth图层，分别对不同样本量的分组应用对应公式：

df %>%
  ggplot(aes(x = mduration, y = yield, color = group, group = group, label = ticker)) +
  geom_point() +
  # 对样本量<4的分组用线性拟合
  geom_smooth(
    data = . %>% filter(group_size < 4),
    method = "lm",
    formula = y ~ x,
    se = FALSE
  ) +
  # 对样本量>=4的分组用对数拟合
  geom_smooth(
    data = . %>% filter(group_size >= 4),
    method = "lm",
    formula = y ~ log(x, 2),
    se = FALSE
  )

原理说明 #

• 原始代码报错是因为n()只能在数据掩码类函数（如mutate()、filter()）中使用，geom_smooth的formula参数不支持直接调用n()获取分组样本量。
• 通过预先计算每个分组的样本量，再用filter()筛选数据分别拟合，就能实现按分组大小选择公式的需求。

内容的提问来源于stack exchange，提问作者Juan M