geom_smooth公式中大小写转换为何影响线性回归绘图？

问题重现 #

你最初的代码使用大写变量名时，触发了警告且回归线不符合预期：

library(ggplot2)
X <- c(3, 7, 10, 14, 15, 11, 13, 18)
Y <- c(11, 5, 3, 9, 7, 5, 2, 1)
ggplot(data = data.frame(X, Y), aes(x = X, y = Y)) + 
  theme_bw() + 
  geom_point(col = 'red') + 
  geom_smooth(method = 'lm', formula = Y ~ X)

收到的警告信息：

Warning messages:
1: 'newdata' had 80 rows but variables found have 8 rows
2: In base::data.frame(x = xseq, fit, se = pred$se.fit) : row names were found from a short variable and have been discarded

而将变量名改为小写后，代码正常生成了预期的直线回归线：

library(ggplot2)
x <- c(3, 7, 10, 14, 15, 11, 13, 18)
y <- c(11, 5, 3, 9, 7, 5, 2, 1)
ggplot(data = data.frame(x, y), aes(x = x, y = y)) + 
  theme_bw() + 
  geom_point(col = 'red') + 
  geom_smooth(method = 'lm', formula = y ~ x)

核心原因：全局变量与数据框列名的冲突 #

问题出在**geom_smooth()的formula参数解析逻辑**上：

• 当你在全局环境定义了X和Y向量后，formula = Y ~ X会让R优先引用全局环境中的这两个向量，而非ggplot传入的数据框里的列。
• geom_smooth()为了绘制连续的回归线，会自动生成一个包含80个均匀分布x值的newdata序列（用来让线条更顺滑）。但全局的Y只有8个值，当R尝试将8个Y值与80个x序列匹配时，就触发了第一个“行数不匹配”的警告。
• 第二个警告是行数不匹配带来的衍生问题：在构建包含预测结果的数据框时，因变量长度不足，导致行名处理异常被丢弃。

而使用小写变量名时：

• 你没有在全局环境定义x和y，formula = y ~ x会被ggplot正确解析为数据框中的列名，而非全局变量。
• ggplot会从传入的数据框中读取x和y列，用newdata生成的x序列拟合线性模型，最终生成正确的直线回归线。

避免此类问题的小技巧 #

• 尽量避免使用在全局环境中已定义的变量名作为数据框列名，减少命名冲突。
• 在geom_smooth()的formula中，可以用更明确的写法，比如formula = . ~ x（表示用aes中映射的y变量对x变量拟合），或者始终确保formula中的变量名与数据框列名一致，且未在全局环境中重复定义。

内容的提问来源于stack exchange，提问作者shubh