如何在R中将不同数据框的多模型预测图合并至同一画布？

你之前用plot_model生成的每个绘图对象都内置了预测数据，我们可以提取这些数据并添加年份标识，合并后用ggplot统一绘制，就能得到包含5条不同颜色趋势线的单图。

步骤1：提取并整理预测数据 #

首先加载dplyr包处理数据，然后提取每个绘图对象的底层数据，添加年份标签后合并：

library(dplyr)

# 提取各年份模型的预测数据，添加年份列
data_2015 <- plot1$data %>% mutate(Year = "2015")
data_2016 <- plot2$data %>% mutate(Year = "2016")
data_2017 <- plot3$data %>% mutate(Year = "2017")
data_2018 <- plot4$data %>% mutate(Year = "2018")
data_2019 <- plot5$data %>% mutate(Year = "2019")

# 合并所有数据
combined_data <- bind_rows(data_2015, data_2016, data_2017, data_2018, data_2019)

步骤2：绘制合并后的趋势图 #

用ggplot基于合并数据绘图，按年份区分颜色，统一设置坐标轴：

library(ggplot2)

ggplot(combined_data, aes(x = Level2, y = predicted, color = Year)) +
  geom_point() +
  geom_line() +
  scale_y_continuous(limits = c(0, 0.40), breaks = seq(0, 0.40, 0.05)) +
  labs(x = "Level2", y = "预测值", color = "年份") +
  theme_minimal()

可选：添加置信区间 #

如果需要展示预测值的置信区间，可加入geom_ribbon图层：

ggplot(combined_data, aes(x = Level2, y = predicted, color = Year, fill = Year)) +
  geom_ribbon(aes(ymin = conf.low, ymax = conf.high), alpha = 0.2, color = NA) +
  geom_point() +
  geom_line() +
  scale_y_continuous(limits = c(0, 0.40), breaks = seq(0, 0.40, 0.05)) +
  labs(x = "Level2", y = "预测值", color = "年份", fill = "年份") +
  theme_minimal()

核心逻辑 #

plot_model生成的ggplot对象中，data属性存储了预测值（predicted列）、自变量（Level2列）及置信区间（conf.low/conf.high列），直接提取即可复用；通过Year列区分不同年份的模型数据，ggplot会自动分配不同颜色实现分组对比。

内容的提问来源于stack exchange，提问作者user22286085