如何在ggplot2中按因子及水平便捷绘制均值与标准差图表？

算力阿峰

2026-8-2

问题

有没有简便方法在geom_point()图表中添加均值（mean）和标准差（sd）？需要按Measurement_type、Rep、Pollution、Temp这些因子的水平分组展示，而且不想手动计算均值、标准差再合并数据框，有没有内置功能可以直接用？

我的数据结构如下：

str(df)
'data.frame':   138 obs. of  7 variables:
 $ Measurement_type: Factor w/ 3 levels "block_w_same_oil",..: 2 2 2 2 2 2 2 2 2 2 ...
 $ BDV             : num  45.2 64 77 70.2 67.9 55.7 59.8 67.4 75.1 75.2 ...
 $ Temp            : Factor w/ 2 levels "cold","warm": 1 1 1 1 1 1 1 1 1 1 ...
 $ Temp_C          : num  20.1 20.1 20.1 20.1 20.1 20.1 20.1 20.5 20.5 20.5 ...
 $ Pollution       : Factor w/ 2 levels "clean","polluted": 1 1 1 1 1 1 1 1 1 1 ...
 $ Step            : num  1 2 3 4 5 6 1 2 3 4 ...
 $ Rep             : Factor w/ 5 levels "M1","M2","M3",..: 1 1 1 1 1 1 2 2 2 2 ...

目前用的代码如下，生成的图可视化效果不好，还没加上类似geom_ribbon的标准差区域：

df %>%
            ggplot(aes(x = Step, y = BDV, colour = Measurement_type, shape = Rep), alpha = 0.8) + 
            geom_point(aes(colour = Measurement_type), size = 3) +
            stat_summary(fun.data = 'mean_sdl', geom = 'smooth') +
            xlab("Step") + ylab("BDV / kV") +
            theme_tq()

解决方案

不用手动计算统计量，ggplot2的stat_summary()可以直接实现需求，针对你的场景可以这样优化：

添加均值线+标准差区域：用两次stat_summary，一次生成均值线，一次生成标准差填充区域（类似geom_ribbon）。fun.data = mean_sdl默认计算均值±2倍标准差，如果你要1倍标准差，加个mult = 1参数。
按多因子分组：在aes里通过group或者直接用colour/fill绑定因子，就能自动按因子水平分组计算统计量。
优化可视化效果：调整点的透明度、线条样式，避免重叠混乱。

优化后的代码示例：

library(ggplot2)
library(tidyquant) # 用于theme_tq()

df %>%
  ggplot(aes(x = Step, y = BDV, colour = Measurement_type, group = Measurement_type)) +
  # 标准差填充区域，半透明填充
  stat_summary(fun.data = mean_sdl, mult = 1, 
               geom = "ribbon", alpha = 0.2, colour = NA, fill = "grey50") +
  # 均值线，用粗线条区分
  stat_summary(fun = mean, geom = "line", linewidth = 1.2) +
  # 原始数据点，添加透明度避免重叠，保留Rep的形状区分
  geom_point(aes(shape = Rep), size = 3, alpha = 0.6) +
  xlab("Step") + 
  ylab("BDV / kV") +
  theme_tq()

如果需要按多个因子组合分组（比如同时按Measurement_type和Pollution），只需要修改aes里的分组和颜色映射：

df %>%
  ggplot(aes(x = Step, y = BDV, 
             colour = interaction(Measurement_type, Pollution),
             group = interaction(Measurement_type, Pollution),
             fill = interaction(Measurement_type, Pollution))) +
  stat_summary(fun.data = mean_sdl, mult = 1, 
               geom = "ribbon", alpha = 0.2, colour = NA) +
  stat_summary(fun = mean, geom = "line", linewidth = 1.2) +
  geom_point(aes(shape = Rep), size = 3, alpha = 0.6) +
  xlab("Step") + 
  ylab("BDV / kV") +
  labs(colour = "Group", fill = "Group") + # 修改图例标题
  theme_tq()

注意点：

stat_summary会自动按aes里的group分组计算统计量，不需要手动预处理数据。
填充区域用colour = NA可以去掉边框，避免和均值线重叠。
调整alpha参数让点和填充区域更通透，提升可读性。

内容的提问来源于stack exchange，提问作者Ben