如何更优雅地绘制多因素ANOVA的因子列主效应图？

核心优化思路 #

• 用tidyr::pivot_longer重塑数据，替代手动复制拼接的繁琐操作，代码更简洁易读
• 统一动态变量的引用方式，减少冗余变量定义
• 提升代码可扩展性，后续支持多因子时无需大幅修改

完整优化代码 #

library(ggplot2)
library(tidyr) # 用于高效数据重塑

# 示例数据（可替换为任意数据集）
data <- mtcars

# 用户输入配置：因子列索引、响应变量列索引
factor_col <- c(2, 10)
data_col <- 4

# 提取目标数据并将因子列转为因子类型
plot_data <- data[c(factor_col, data_col)]
plot_data[1:2] <- lapply(plot_data[1:2], factor)

# --- 双因素交互折线图 ---
ggplot(plot_data, aes(
  x = .data[[names(plot_data)[1]]],
  y = .data[[names(plot_data)[3]]],
  color = .data[[names(plot_data)[2]]],
  group = .data[[names(plot_data)[2]]],
  linetype = .data[[names(plot_data)[2]]],
  shape = .data[[names(plot_data)[2]]]
)) +
  stat_summary(fun = mean, geom = "line") +
  stat_summary(fun = mean, geom = "point")

# --- 主效应箱线图（优化版） ---
# 将多因子列转为长格式，自动生成分面和水平列
main_effect_data <- pivot_longer(
  plot_data,
  cols = 1:2,                # 选中所有因子列
  names_to = "factor_name",  # 存储因子名称的列
  values_to = "factor_level" # 存储因子水平的列
)

ggplot(main_effect_data, aes(x = factor_level, y = .data[[names(plot_data)[3]]])) +
  geom_boxplot() +
  stat_summary(fun = mean, geom = "point", color = "red") + # 红色均值点增强辨识度
  facet_wrap(~factor_name, scales = "free_x") +
  labs(x = "因子水平", y = names(plot_data)[3])

关键优化说明 #

1. 数据重塑效率提升：原代码通过rbind复制数据、手动拼接分面列的方式完全被pivot_longer替代，一行代码完成宽格式到长格式的转换，逻辑更直观，出错概率更低。
2. 动态变量引用简化：用.data[[var]]替代sym+!!的语法，同样支持根据变量名动态映射，代码更简洁易维护。
3. 扩展性增强：如果后续需要支持三因素甚至更多因子的主效应图，只需调整pivot_longer的cols参数，其余代码无需修改。

内容的提问来源于stack exchange，提问作者Steven Ouellette