在R中基于相对时间点绘制处理前后Var1变化图

步骤1：数据预处理 #

首先要给每个个体（ID）计算相对于处理时间的月份：把首次出现BeforeAfter=TRUE的月份设为0，处理前的月份为负数，处理后的为正数。用dplyr包完成分组计算：

# 加载所需包
library(dplyr)
library(ggplot2)

# 处理数据：计算每个ID的处理月份，再得到相对月份
processed_data <- larger_sample %>%
  group_by(ID) %>%
  # 定位每个ID首次出现TRUE的月份
  mutate(treatment_month = Month[min(which(BeforeAfter == TRUE))]) %>%
  # 计算相对月份：当前月份减去处理月份
  mutate(relative_month = Month - treatment_month) %>%
  ungroup()

步骤2：绘制ggplot图表 #

用处理好的数据绘图，实现目标效果：展示个体趋势+整体均值趋势，突出X轴0点（处理时间）：

ggplot(processed_data, aes(x = relative_month, y = Var1)) +
  # 绘制每个个体的趋势线，浅灰色半透明避免杂乱
  geom_line(aes(group = ID), color = "#cccccc", alpha = 0.6) +
  # 绘制整体均值的趋势线，加粗突出
  stat_summary(fun = mean, geom = "line", color = "#2c3e50", size = 1.2) +
  # 绘制均值的置信区间，展示数据波动（可选）
  stat_summary(fun.data = mean_se, geom = "ribbon", fill = "#3498db", alpha = 0.2) +
  # 用虚线突出处理时间点（X=0）
  geom_vline(xintercept = 0, color = "#e74c3c", linetype = "dashed", size = 1) +
  # 设置坐标轴标签和标题
  labs(
    x = "相对于处理时间的月份",
    y = "Var1数值",
    title = "处理前后Var1的变化趋势",
    subtitle = "0点为首次处理时间"
  ) +
  # 调整主题优化视觉效果
  theme_minimal() +
  theme(
    plot.title = element_text(hjust = 0.5, size = 14, face = "bold"),
    plot.subtitle = element_text(hjust = 0.5, size = 12),
    axis.title = element_text(size = 11)
  )

关键说明 #

• 数据预处理：通过分组定位每个ID的首次处理月份，再计算相对月份，这是实现X轴以0为处理基准点的核心。
• 绘图逻辑：
  • 个体趋势线用浅灰半透明，避免掩盖整体趋势；
  • 均值趋势线+置信区间，清晰展示群体层面的变化规律；
  • 红色虚线明确标记处理时间节点，符合需求。

内容的提问来源于stack exchange，提问作者Mina