如何在ggplot2绘制的单图中合并填充（柱状图）与颜色（点、线）图例？

嘿，这个问题我之前也踩过坑！你已经把fill和color的图例名称设成一样了，但还是出现两个独立图例，核心原因是**fill（填充）和color（颜色）属于ggplot2里不同的美学属性组**，哪怕名字相同，ggplot也会默认把它们当成两个独立的图例来处理。不过别担心，有两种简单的方法可以解决这个问题：

方法1：在现有代码基础上添加guides()合并图例 #

这种方法不需要修改你的数据结构，直接在原代码后面加一段guides()配置，让两个图例合并成一个，同时优化图例项的显示效果：

library(ggplot2)
X <- factor(c("a", "b"))
Y1 <- c(10, 15)
Y2 <- c(22, 23)
df <- data.frame(X, Y1, Y2)

ggplot(data = df, aes(x = X, group = 1)) + 
  geom_col(aes(y = Y1, fill = "Y1")) + 
  geom_line(aes(y = Y2, color = "Y2")) + 
  geom_point(aes(y = Y2, color = "Y2")) + 
  scale_fill_manual(name = "Legend", values = "blue") + 
  scale_color_manual(name = "Legend", values = "red") +
  # 关键代码：合并fill和color图例，优化显示
  guides(
    fill = guide_legend(override.aes = list(color = NA)),  # 让填充图例只显示蓝色块，去掉边框
    color = guide_legend(override.aes = list(fill = NA))  # 让颜色图例只显示红色线和点，去掉填充
  )

这段代码里的override.aes是用来调整图例项的外观，确保每个图例项只展示对应几何对象的特征（柱状图的填充块、折线/散点的线条和点），这样ggplot就会把它们合并成一个名为"Legend"的统一图例了。

方法2：重构数据为长格式（ggplot2推荐方式） #

其实ggplot2的设计逻辑更适合长格式数据（每一行对应一个观测值），这种方式不仅能更自然地合并图例，还能让你的代码更易于维护（比如后续添加新变量时不用重复写geom层）。步骤如下：

1. 用tidyr包把宽格式数据转成长格式
2. 针对不同变量指定对应的几何对象，再统一配置图例

library(ggplot2)
library(tidyr) # 用于转换数据格式

# 原数据
X <- factor(c("a", "b"))
Y1 <- c(10, 15)
Y2 <- c(22, 23)
df <- data.frame(X, Y1, Y2)

# 转换为长格式：把Y1、Y2列合并成"Variable"和"Value"两列
df_long <- pivot_longer(df, cols = c(Y1, Y2), names_to = "Variable", values_to = "Value")

# 绘图
ggplot(data = df_long, aes(x = X, y = Value, group = Variable)) +
  # 只给Y1绘制柱状图
  geom_col(data = subset(df_long, Variable == "Y1"), aes(fill = Variable)) +
  # 只给Y2绘制折线和散点
  geom_line(data = subset(df_long, Variable == "Y2"), aes(color = Variable)) +
  geom_point(data = subset(df_long, Variable == "Y2"), aes(color = Variable)) +
  # 设置颜色和填充值
  scale_fill_manual(values = c("Y1" = "blue", "Y2" = NA)) +
  scale_color_manual(values = c("Y1" = NA, "Y2" = "red")) +
  # 统一图例名称
  labs(fill = "Legend", color = "Legend") +
  # 合并图例并优化显示
  guides(
    fill = guide_legend(override.aes = list(color = NA)),
    color = guide_legend(override.aes = list(fill = NA))
  )

这种方式的好处是数据结构更清晰，后续如果要添加Y3、Y4等新变量，只需要在原数据里加列，转换长格式后稍微调整geom层的筛选条件即可，不用重复写一堆scale_*_manual。

内容的提问来源于stack exchange，提问作者Daniel Valencia C.