如何用R为1136个样本批量绘制基于多列读数的散点图？

针对你的需求，核心思路是先将宽格式数据转换为长格式，再利用分面绘图（Facet）或交互式工具批量生成并展示所有对象的散点图，无需手动绘制1000+张独立图表。

步骤1：宽表转长表 #

首先需要把每行的Reading1至Reading50转换为单列数据，同时生成对应的时间间隔列（15分钟递增）。假设你的数据有ID列唯一标识每个研究对象，代码如下：

import pandas as pd

# 宽表转长表
df_long = df.melt(
    id_vars='ID',  # 保留ID列作为分组依据
    var_name='Reading_Label',  # 存储原列名（如Reading1）
    value_name='Measurement'  # 存储测量值
)

# 生成时间间隔：Reading1对应0分钟，Reading2对应15分钟，以此类推
df_long['Time_Minutes'] = df_long['Reading_Label'].str.extract('(\d+)').astype(int) * 15 - 15

步骤2：批量分面绘图（静态） #

使用Seaborn的FacetGrid可以将所有对象的散点图自动排列在一个画布的子图中，支持按批次保存避免画布过大：

一次性生成所有子图（适合数量较少的情况） #

import seaborn as sns
import matplotlib.pyplot as plt

# 设置分面网格：按ID分组，每行放20个图，调整子图尺寸
g = sns.FacetGrid(df_long, col='ID', col_wrap=20, height=2, aspect=1.2)
# 为每个子图绘制散点图
g.map(sns.scatterplot, 'Time_Minutes', 'Measurement')

# 调整布局避免标签重叠
g.tight_layout()
# 保存为高清图片
plt.savefig('all_subjects_scatter.png', dpi=300, bbox_inches='tight')

分批次生成（针对1136个对象的最优方案） #

如果一次性生成1136个子图会导致画布过大，可按批次处理：

ids = df['ID'].unique()
batch_size = 100  # 每批次处理100个对象

for idx in range(0, len(ids), batch_size):
    # 提取当前批次的ID
    batch_ids = ids[idx:idx+batch_size]
    batch_data = df_long[df_long['ID'].isin(batch_ids)]
    
    # 绘制当前批次的分面图
    g = sns.FacetGrid(batch_data, col='ID', col_wrap=10, height=2, aspect=1.2)
    g.map(sns.scatterplot, 'Time_Minutes', 'Measurement')
    g.tight_layout()
    
    # 保存批次图片
    plt.savefig(f'subjects_scatter_batch_{idx//batch_size +1}.png', dpi=300, bbox_inches='tight')
    plt.close()  # 关闭画布释放内存

步骤3：交互式绘图（便于浏览） #

如果需要更灵活的查看体验（如缩放、hover查看数据、搜索特定对象），可以使用Plotly生成交互式HTML页面：

import plotly.express as px

# 生成交互式分面散点图
fig = px.scatter(
    df_long,
    x='Time_Minutes',
    y='Measurement',
    facet_col='ID',
    facet_col_wrap=20,
    height=1200,
    width=1800
)

# 保存为HTML文件，可在浏览器中打开交互查看
fig.write_html('all_subjects_scatter_interactive.html')

可选：整体趋势叠加图 #

若需要观察所有对象的整体趋势，可将所有散点叠加在同一图中（通过透明度避免拥挤）：

plt.figure(figsize=(12, 8))
sns.scatterplot(
    data=df_long,
    x='Time_Minutes',
    y='Measurement',
    hue='ID',
    alpha=0.2,  # 设置透明度
    legend=False  # 关闭图例避免混乱
)
plt.xlabel('Time (Minutes)')
plt.ylabel('Measurement Value')
plt.title('All Subjects\' Measurements Over Time')
plt.savefig('all_subjects_overlaid_scatter.png', dpi=300)

内容的提问来源于stack exchange，提问作者hvjkim