使用ggplot2重绘growthcurver模型图时数值匹配问题求助

问题背景 #

用growthcurver包拟合生长曲线后，用基础plot()函数能得到平滑的拟合曲线，但自行编写的ggplot2代码只能画出原始数据点连接的折线，和原结果不符。相关数据、代码如下：

原始数据与模型拟合代码 #

data <- data.frame(
  time = c(0,1,2,3,4,5,6,7,8,24),
  T1 = c(0.01666667, 0.06, 0.12, 0.34, 0.29666667, 0.34, 1.23666667, 2.21333333, 2.64333333, 3.89)
)

model <- growthcurver::SummarizeGrowth(data$time, data$T1)

原基础plot效果 #

执行plot(model)会生成一条覆盖整个时间范围的平滑拟合曲线，同时展示原始观测点。

失败的ggplot2尝试代码 #

library(tibble)
library(ggplot2)

tibble(t = data$time, pred = model$model$m$fitted(), N = data$T1) |>
  ggplot(aes(t, pred)) +
  geom_point(aes(y = N)) +
  geom_line()

这段代码仅用原始数据的10个时间点计算预测值，连接后得到的是折线，而非原plot的平滑曲线。

问题原因 #

growthcurver的plot方法默认会生成连续的密集时间序列（不是仅用输入的原始时间点）来计算模型预测值，从而绘制出平滑曲线。而你的ggplot代码只调用了原始数据点的拟合值，自然只能得到离散折线。

解决方案 #

生成覆盖原始时间范围的连续时间序列，用模型预测这些点的数值，再用ggplot绘制即可。

修正后的ggplot2代码 #

library(tibble)
library(ggplot2)

# 生成连续时间序列：从0到24，间隔0.1，覆盖原时间范围
t_seq <- seq(min(data$time), max(data$time), by = 0.1)

# 用模型预测连续时间点的数值
pred_vals <- predict(model$model$m, newdata = data.frame(time = t_seq))

# 构建绘图数据框
plot_data <- tibble(
  t = t_seq,
  pred = pred_vals,
  obs_t = data$time,
  obs_N = data$T1
)

# 绘制ggplot图
ggplot(plot_data) +
  geom_point(aes(x = obs_t, y = obs_N)) +  # 原始观测点
  geom_line(aes(x = t, y = pred), color = "red") +  # 平滑拟合曲线
  labs(x = "Time", y = "OD") +
  theme_bw()

效果说明 #

这段代码会生成和基础plot完全一致的平滑拟合曲线，同时保留原始观测点，完美替代基础plot的展示效果。

内容的提问来源于stack exchange，提问作者ghs101