如何在R的ggplot平滑曲线上用不同形状区分多条实线？

要实现所有平滑曲线为实线，同时用不同形状标识区分分组，可基于ggplot2用以下两种方法实现：

方法一：直接用stat_smooth同时绘制实线和曲线上的形状点 #

无需提前拟合模型，直接在ggplot中通过stat_smooth生成平滑点，适配多数场景：

假设你的原始代码类似这样（基于分组变量映射线型）：

ggplot(your_data, aes(x = x_col, y = y_col, color = group_col, linetype = group_col)) +
  geom_smooth(method = "loess", se = FALSE)

修改后的代码：

library(ggplot2)

ggplot(your_data, aes(x = x_col, y = y_col, color = group_col, shape = group_col)) +
  # 强制所有曲线为实线
  geom_smooth(method = "loess", se = FALSE, linetype = 1, linewidth = 1) +
  # 在平滑曲线上添加对应分组的形状点（点基于平滑拟合结果生成）
  stat_smooth(method = "loess", se = FALSE, geom = "point", size = 3) +
  # 自定义8种差异明显的形状，可按需调整
  scale_shape_manual(values = c(1, 2, 3, 4, 16, 17, 18, 8)) +
  # 统一图例名称
  labs(color = "分组", shape = "分组")

关键细节： #

• linetype = 1固定所有曲线为实线
• stat_smooth(geom = "point")生成的点落在平滑曲线上，而非原始数据点，完美匹配你的需求
• 形状编号对应R内置样式：1=空心圆，2=空心三角，3=十字，4=叉，16=实心圆，17=实心三角，18=实心菱形，8=星形，刚好覆盖8个分组

方法二：提前提取平滑拟合值，再绘图（更灵活） #

如果需要精准控制采样点数量或拟合逻辑，可先拟合模型提取拟合值，再绘制曲线和形状：

library(ggplot2)
library(dplyr)

# 按分组拟合平滑模型，提取50个均匀采样点的拟合值
fitted_df <- your_data %>%
  group_by(group_col) %>%
  do(
    model = loess(y_col ~ x_col, data = .),
    x_range = list(seq(min(.$x_col), max(.$x_col), length.out = 50))
  ) %>%
  mutate(fitted_y = list(predict(model, newdata = data.frame(x_col = x_range[[1]])))) %>%
  unnest(c(x_range, fitted_y)) %>%
  rename(x_col = x_range, y_col = fitted_y)

# 绘制实线+形状点
ggplot(fitted_df, aes(x = x_col, y = y_col, color = group_col, shape = group_col)) +
  geom_line(linetype = 1, linewidth = 1) +
  geom_point(size = 3) +
  scale_shape_manual(values = c(1, 2, 3, 4, 16, 17, 18, 8)) +
  labs(color = "分组", shape = "分组")

关键细节： #

• 用group_by+loess按分组拟合模型，生成50个均匀采样点，保证曲线平滑且点分布均匀
• 完全规避原始数据点干扰，仅基于平滑拟合结果绘图

通用注意事项： #

• 若你使用的平滑方法不是loess，只需将method参数替换为你实际用的方法（如lm、gam）
• 可调整size改变形状点大小，linewidth改变曲线粗细
• 形状编号可自由替换，R内置形状编号范围为0-25，选8种视觉差异大的即可

内容的提问来源于stack exchange，提问作者Subu