如何用循环批量绘制多数据框同列变量的ggplot图形并添加平滑线

步骤1：加载依赖包 #

首先加载tidyverse工具包，它包含数据整理的dplyr和绘图的ggplot2，能高效完成后续操作：

library(tidyverse)

步骤2：将数据框列表转换为长格式 #

把列表里的所有数据框合并，并添加一个标识列（标记数据框来源），再将宽格式数据转为长格式，这是ggplot批量绘图的基础：

# 合并数据框列表，自动给每个数据框添加来源标识df_id
combined_data <- bind_rows(All_dataframes, .id = "df_id") %>%
  # 将所有列（除df_id外）转为变量名(col_name)和对应数值(value)的长格式
  pivot_longer(cols = -df_id, names_to = "col_name", values_to = "value")

说明：bind_rows(.id = "df_id")会用数据框在列表中的名称/序号作为标识；pivot_longer把原本的多列变量统一整理成两列，方便按变量分组绘图。

步骤3：批量绘图（两种可选方案） #

方案1：分面展示所有变量的图（快速预览） #

如果只是需要一次性查看所有变量的趋势，用分面把所有变量的图放在同一个页面：

ggplot(combined_data, aes(x = df_id, y = value, group = df_id)) +
  # 绘制折线图，按数据框分组
  geom_line() +
  # 添加平滑线，默认用loess方法；大数据可改用method="lm"做线性拟合
  geom_smooth(se = FALSE) +
  # 按变量名分面，每个变量一个子图，y轴自适应避免失真
  facet_wrap(~col_name, scales = "free_y") +
  # 调整主题让图表更清晰
  theme_bw() +
  labs(x = "数据框ID", y = "变量值", title = "各数据框变量折线图与平滑线")

说明：scales="free_y"让每个子图的y轴范围根据自身数据调整，避免数值差异大导致小值变量的趋势被掩盖；se=FALSE关闭平滑线的置信区间，需要的话可删除该参数显示区间。

方案2：单独保存每个变量的图（批量导出） #

如果需要把每个变量的图单独保存为文件，用purrr循环处理每个变量：

# 获取所有不重复的变量名
all_cols <- unique(combined_data$col_name)

# 循环每个变量，绘图并保存
walk(all_cols, function(col) {
  # 筛选当前变量的对应数据
  plot_data <- filter(combined_data, col_name == col)
  
  # 绘制当前变量的图表
  p <- ggplot(plot_data, aes(x = df_id, y = value, group = df_id)) +
    geom_line() +
    geom_smooth(se = FALSE) +
    theme_bw() +
    labs(x = "数据框ID", y = col, title = paste("数据框", col, "折线图与平滑线"))
  
  # 保存为PNG文件，文件名用变量名命名
  ggsave(filename = paste0(col, "_line_plot.png"), plot = p, width = 8, height = 6)
})

说明：walk是purrr包中用于执行无返回值操作的循环函数；ggsave支持保存为PDF、JPG等格式，可根据需求调整width/height参数修改图的尺寸。

额外注意 #

• 如果数据框包含时间序列列（而非用df_id作为x轴），只需把aes(x = df_id)替换为对应的时间列（比如aes(x = time_col)），确保折线按数据框分组绘制即可。
• geom_smooth的method参数可按需调整：method="gam"适合拟合非线性趋势，method="glm"可用于广义线性模型场景。

内容的提问来源于stack exchange，提问作者FanCou