ggplot绘制多变量趋势线仅显示一条的原因及解决方法

开发者阿泽

2026-5-6

问题原因分析

咱们先拆解你遇到的两个核心问题：

1. 初始代码仅显示一条趋势线

你在初始代码里直接用test$year、test$SA这种外部数据引用方式，违背了ggplot的数据映射原则——ggplot期望所有变量都来自传入的data参数，外部引用会导致图层之间的映射断裂。
你的geom_smooth只绑定了初始aes(x=year, y=SA, group=1)的映射，另外两条geom_line是单独指定的变量，没有和geom_smooth建立分组关联，所以ggplot只会为SA生成一条趋势线，忽略了SA1和SA2。
另外，SA1是除以100后绘制的，但没有在aes里明确分组，geom_smooth无法识别需要为不同变量分别拟合趋势线。

2. 数据重塑后次坐标轴异常

三个变量的数值量级差异极大：SA和SA2在1e15级别，而SA1在3e17级别。你重塑后直接用sec_axis(~.*100)的缩放比例，只适合SA1的还原，但SA和SA2不需要这个缩放，导致次轴和主轴的对应关系完全混乱，显示异常。

解决方案

核心思路是先统一变量量级，再用长格式数据让ggplot自动分组绘图，同时匹配正确的次轴缩放逻辑。

步骤1：预处理数据，统一量级

先把SA1除以100，让它的数值量级和SA、SA2接近，这样三个变量能在同一个主坐标轴上正常显示，次轴再把SA1的数值还原回去。

步骤2：转成长格式数据

用tidyr::gather（或pivot_longer）把宽格式数据转成长格式，这样ggplot可以通过group和colour参数自动区分三个变量，为每个变量单独绘制线条和趋势线。

步骤3：添加回归方程和R²（可选）

如果需要显示每个趋势线的R²和回归方程，可以用ggpmisc包的stat_poly_eq函数，它能自动为每个分组生成对应的统计信息。

完整可运行代码

library(dplyr)
library(tidyr)
library(ggplot2)
library(ggpmisc) # 用于添加回归方程和R²

# 你的原始数据
test <- structure(list(year = structure(1:11, .Label = c("2008", "2009", "2010", "2011", "2012", "2013", "2014", "2015", "2016", "2017", "2018"), class = "factor"), 
                       SA = c(1409155313839800, 1533598052716370, 1524727969175020, 1583941250825040, 1597021832828680, 1549362217661020, 1607700438214130, 1592107298305410, 1735331260744350, 1761596167580970, 1677707298223350), 
                       SA1 = c(363273957183114432, 376734225895083200, 355896023882281984, 368398075167704192, 367791249493954048, 360257619620708800, 360061958768956736, 367763926166363648, 355088403981918272, 358140732212706304, 342823915606135936), 
                       SA2 = c(4.06998e+15, 4.05015e+15, 3.94057e+15, 3.9507e+15, 3.58963e+15, 3.53037e+15, 3.43302e+15, 3.20139e+15, 3.94638e+15, 3.03403e+15, 3.15862e+15)), 
                  row.names = c(NA, -11L ), class = "data.frame")

# 数据处理+绘图
test %>% 
  mutate(SA1 = SA1 / 100) %>% # 统一SA1的量级
  gather(sa, value, -year) %>% # 转成长格式
  ggplot(aes(x = year, y = value, group = sa, colour = sa)) +
  geom_line(linewidth = 1) +
  geom_smooth(method = "lm", formula = y ~ x, se = FALSE, linewidth = 1) +
  # 添加回归方程和R²
  stat_poly_eq(aes(label = paste(..eq.label.., ..rr.label.., sep = "~~~")),
               formula = y ~ x, parse = TRUE, size = 3.5) +
  scale_color_manual(values = c("black", "red", "blue"), 
                     labels = c("SA", "SA1 (scaled)", "SA2")) +
  scale_y_continuous(
    name = "Primary Axis (SA/SA2)",
    sec.axis = sec_axis(~ . * 100, name = "Secondary Axis (Original SA1)")
  ) +
  labs(title = "Trend Lines with Regression Equations and R²", x = "Year") +
  theme_minimal()

关键说明

用mutate(SA1 = SA1/100)统一量级，解决了不同变量数值差异过大导致的显示问题；
长格式数据让ggplot自动识别分组，geom_smooth会为每个sa分组单独拟合趋势线；
stat_poly_eq自动生成每个趋势线的回归方程和R²，通过parse=TRUE渲染成数学公式格式；
次轴的~.*100精准还原SA1的原始数值，和主轴的缩放逻辑匹配。

内容的提问来源于stack exchange，提问作者Lalantra