如何在R的ggplot2中绘制变量的平滑核求和图？

嘿，我完全get到你的需求了——你想要的是对变量b的平滑窗口求和曲线：既有stat_bin那种按区间汇总b的核心逻辑，又能像geom_density一样拥有平滑的曲线，而不是loess那种拟合单个b值的趋势对吧？下面给你几个ggplot2的解决方案，都是直接能用的：

方案1：用stat_summary_bin一步完成（最简洁） #

这个方法直接在ggplot里完成「按bin求和b+平滑拟合」的操作，不需要额外预处理数据：

library(ggplot2)
set.seed(123) # 加随机种子让结果可重复
mydf = data.frame(a = sample(1:100, 100, replace = T))
mydf$b = abs(sin((mydf$a)/50*2*pi) + rnorm(100, sd = 0.1))

ggplot(mydf, aes(x = a)) + 
  # 保留你原来的柱状图和stat_bin虚线作为参考
  geom_bar(aes(weight = b), alpha = 0.2) + 
  stat_bin(geom = "line", position = "identity", binwidth = 4, aes(weight = b), lty = 2, color = "gray50") +
  # 核心：按bin求和b，再用loess平滑
  stat_summary_bin(
    fun = sum,          # 对每个bin的b求和
    binwidth = 4,       # 和stat_bin保持一致的bin宽度
    geom = "smooth",    # 用平滑曲线展示
    method = "loess",   # 平滑方法，也可以换成"gam"等
    span = 0.5,         # 平滑程度，数值越小越贴近原始bin求和值
    color = "darkblue",
    size = 1
  )

方案2：手动预处理数据再平滑（更灵活） #

如果需要对bin的求和结果做更多自定义操作，可以先手动计算每个bin的b总和，再对这些值做平滑：

library(ggplot2)
library(dplyr)
set.seed(123)

mydf = data.frame(a = sample(1:100, 100, replace = T))
mydf$b = abs(sin((mydf$a)/50*2*pi) + rnorm(100, sd = 0.1))

# 第一步：计算每个bin的b总和，以及bin的中点x值
bin_sums <- mydf %>%
  mutate(a_bin = cut(a, breaks = seq(0, 100, 4), include.lowest = TRUE)) %>%
  group_by(a_bin) %>%
  summarize(b_sum = sum(b),
            a_mid = mean(a)) # 用bin中点作为平滑的x轴值

# 第二步：画图
ggplot(mydf, aes(x = a)) + 
  geom_bar(aes(weight = b), alpha = 0.2) + 
  stat_bin(geom = "line", binwidth = 4, aes(weight = b), lty = 2, color = "gray50") +
  # 对预处理好的bin求和值做平滑
  geom_smooth(data = bin_sums, aes(x = a_mid, y = b_sum), 
              method = "loess", span = 0.5, color = "darkred", size = 1)

为什么你之前的尝试没达到预期？ #

• geom_density(aes(y = b))逻辑不对：密度图的y轴默认是密度值（和计数/权重的分布相关），直接把y设为b会混淆原始值和密度统计量，自然得不到求和的结果。如果硬要基于密度调整，可以用after_stat(density) * sum(mydf$b) * 4（总b值×bin宽度）把密度值转换成近似的bin求和，但不如上面的方法准确。
• geom_smooth(aes(y = b))是拟合a和单个b值的关系，不是对b的区间求和后再平滑，所以和你要的“窗口求和”逻辑完全不同。

内容的提问来源于stack exchange，提问作者Alexander Shenkin