基于不同年份DataFrame绘制多列均值的ggplot2实现

问题背景 #

现有三个对应1930、1990、2020年的R语言DataFrame：

df_1 <- data.frame(total = c(0.9, 0.4, 0.2), white = c(0.6, 0.2, 0.1), black = c(0.3, 0.2, 0.1), immigrant = c(0.7, 0.3, 0.9))

df_2 <- data.frame(total = c(0.8, 0.7, 0.6), white = c(0.4, 0.3, 0.2), black = c(0.4, 0.4, 0.4), immigrant = c(0.9, 0.2, 0.1))

df_3 <- data.frame(total = c(0.6, 0.8, 0.9), white = c(0.4, 0.2, 0.7), black = c(0.2, 0.6, 0.2), immigrant = c(0.6, 0.8, 0.5))

需求 #

使用ggplot2工具完成以下操作：

• 计算每个DataFrame中四列（total、white、black、immigrant）的均值
• 绘制散点图：x轴为年份（1930、1990、2020），y轴为0-1区间的计算均值，各人口统计组以散点形式区分展示

尝试的错误代码 #

list(df_1, 
     df_2,
     df_3) %>%
     lapply(function(x) setNames(x, 'ratio')) %>%
     {do.call(bind_rows, c(., .id = 'demographic'))} %>%
     mutate(ratio = mean(ratio)) %>%
     group_by(demographic) %>%
     ggplot(aes(ratio, n, colour = demographic, group = demographic)) +
     labs(x="Mean", y="Year", ))

正确实现方案 #

核心思路是先给每个DataFrame绑定对应年份，再将宽格式数据转为长格式，最后按年份和人口组计算均值并绘图。

完整代码：

library(tidyverse)
library(ggplot2)

# 给每个数据框绑定年份并合并
combined_df <- bind_rows(
  df_1 %>% mutate(year = 1930),
  df_2 %>% mutate(year = 1990),
  df_3 %>% mutate(year = 2020)
)

# 转长格式并计算各年份-人口组的均值
summary_df <- combined_df %>%
  pivot_longer(cols = -year, names_to = "demographic", values_to = "ratio") %>%
  group_by(year, demographic) %>%
  summarize(mean_ratio = mean(ratio), .groups = "drop")

# 绘制散点图
ggplot(summary_df, aes(x = factor(year), y = mean_ratio, color = demographic)) +
  geom_point(size = 3) +
  scale_y_continuous(limits = c(0, 1)) +
  labs(
    x = "年份",
    y = "均值",
    color = "人口统计组",
    title = "各年份不同人口组均值变化"
  ) +
  theme_minimal()

关键步骤解释 #

1. 绑定年份：通过mutate给每个数据框添加对应年份列，用bind_rows合并，解决年份与数据框的对应问题，兼容不同行数的输入。
2. 转长格式：pivot_longer将宽格式（每列对应一个人口组）转为长格式，统一数据结构，方便后续分组计算。
3. 计算均值：按year和demographic分组，用summarize计算每组均值，.groups = "drop"避免分组残留影响绘图。
4. 绘图设置：x轴用factor(year)确保年份按指定顺序显示，scale_y_continuous固定y轴范围在0-1区间，散点按人口组区分颜色，清晰展示各组均值随年份的变化。

内容的提问来源于stack exchange，提问作者Kimberly