R ggplot分组图例需求：实现两类数据集的独立图例展示

问题现状 #

• 两个图层共用fill映射，导致第一个图层的Geschlecht（性别）图例覆盖/混淆了第二个图层的Einkommensgruppe（收入组）图例，数据与图例对应关系错乱
• 需要将两类数据的图例完全分开：一类是柱状图对应的性别图例，一类是散点图对应的收入组图例

核心数据说明 #

数据集包含两类核心指标：

1. mean_shopping_time_after_age_country_gender：按年龄组、国籍、性别分组的购物时间均值（对应柱状图）
2. mean_time_money：与收入组关联的均值（对应散点图）

解决方案 #

方案1：使用ggnewscale创建独立填充图例 #

这个包可以为不同图层创建独立的比例尺，完美实现两个填充图例分离：

# 安装并加载ggnewscale
install.packages("ggnewscale")
library(ggnewscale)

spine_gender = 
  ggplot()+
  # 柱状图：映射fill到性别
  geom_bar(stat="identity", 
            aes(
              x=Altersgruppe,
              y=mean_shopping_time_after_age_country_gender,
              group=Nationalitaet,
              fill=Geschlecht
              ),
            df_spine,
            position = "dodge")+
  # 设置性别图例的标题和颜色
  scale_fill_manual(name = "性别",
                    values = c("W" = "pink", "M" = "lightblue"))+
  # 开启新的填充比例尺，后续图层的fill映射会生成新图例
  new_scale_fill()+
  # 散点图：映射fill到收入组
  geom_point (stat="identity", 
              aes(
                x=Altersgruppe,
                y=mean_time_money,
                group=Nationalitaet,
                fill=Einkommensgruppe
                ),
              df_spine,
              position = "dodge",
              shape=21,
              size=4,
              stroke=NA)+
  # 设置收入组图例的标题和颜色
  scale_fill_manual(name = "收入组",
                    values = c("niedrig" = "red", "mittel" = "grey", "hoch" = "green"))+
  xlab("年龄组")+
  ylab("平均耗时")+
  facet_grid(Nationalitaet~.)+
  theme_light()+
  coord_flip()

方案2：切换散点图的映射类型（无需额外包） #

将散点图的fill改为color映射，通过图例类型区分两个图层的图例：

spine_gender = 
  ggplot()+
  # 柱状图：fill映射性别
  geom_bar(stat="identity", 
            aes(
              x=Altersgruppe,
              y=mean_shopping_time_after_age_country_gender,
              group=Nationalitaet,
              fill=Geschlecht
              ),
            df_spine,
            position = "dodge")+
  scale_fill_manual(name = "性别",
                    values = c("W" = "pink", "M" = "lightblue"))+
  # 散点图：color映射收入组，用shape=21实现边框颜色表示收入组
  geom_point (stat="identity", 
              aes(
                x=Altersgruppe,
                y=mean_time_money,
                group=Nationalitaet,
                color=Einkommensgruppe
                ),
              df_spine,
              position = "dodge",
              shape=21,
              size=4,
              fill="white",
              stroke=2)+
  scale_color_manual(name = "收入组",
                     values = c("niedrig" = "red", "mittel" = "grey", "hoch" = "green"))+
  xlab("年龄组")+
  ylab("平均耗时")+
  facet_grid(Nationalitaet~.)+
  theme_light()+
  coord_flip()

注意事项 #

• 原代码中xlab("Nationalitaet")与x轴实际字段Altersgruppe（年龄组）不符，已修正为对应中文
• 两个方案都手动指定了颜色，确保和数据中color、color_income字段的颜色匹配

示例数据 #

Altersgruppe;Nationalitaet;Geschlecht;Einkommensgruppe;Anzahl_befragte_Personen;durchschnittlicher_Zeitaufwand_fuer_das_Einkaufen_von_Nahrunsgmitteln_pro_Tag_in_Minuten;durchschnittliche_monatliche_Ausgaben_fuer_Nahrungsmittel_in_Landeswaehrung;color;color_income;mean_time_money;mean_shopping_time_after_age_country_gender
20-35;D;W;niedrig;966;-18;312;pink;red;-17.3076923076923;-10.511280722101
20-35;CH;W;niedrig;726;-18;318;pink;red;-16.9811320754717;-10.5971533104517
20-35;A;W;niedrig;893;-16;265;pink;red;-18.1132075471698;-10.8699314067247
20-35;D;M;niedrig;789;6;187;lightblue;red;9.62566844919786;5.3076867262387
20-35;CH;M;niedrig;973;5;198;lightblue;red;7.57575757575758;4.50583820758843
20-35;A;M;niedrig;752;5;169;lightblue;red;8.87573964497041;5.50753416696345
36-50;D;W;niedrig;990;-20;384;pink;red;-15.625;-10.113089934094
36-50;CH;W;niedrig;717;-17;370;pink;red;-13.7837837837838;-8.47337425113925
36-50;A;W;niedrig;1010;-19;395;pink;red;-14.4303797468354;-9.10900477295668
36-50;D;M;niedrig;688;7;250;lightblue;red;8.4;5.13441893160424
36-50;CH;M;niedrig;966;7;251;lightblue;red;8.36653386454183;4.70848721443906
36-50;A;M;niedrig;824;7;263;lightblue;red;7.98479087452472;4.80990788672021
51-65;D;W;niedrig;693;-14;197;pink;red;-21.3197969543147;-12.564806686857
51-65;CH;W;niedrig;912;-13;203;pink;red;-19.2118226600985;-11.1161409755095
51-65;A;W;niedrig;680;-13;180;pink;red;-21.6666666666667;-12.7679639318909
51-65;D;M;niedrig;292;5;117;lightblue;red;12.8205128205128;6.67043008029075
51-65;CH;M;niedrig;608;5;126;lightblue;red;11.9047619047619;5.51711003606047
51-65;A;M;niedrig;720;5;112;lightblue;red;13.3928571428571;6.44301771203513
20-35;D;W;mittel;903;-13;460;pink;grey;-8.47826086956522;-10.511280722101
20-35;CH;W;mittel;654;-15;523;pink;grey;-8.60420650095602;-10.5971533104517
20-35;A;W;mittel;870;-13;439;pink;grey;-8.88382687927107;-10.8699314067247
20-35;D;M;mittel;894;5;347;lightblue;grey;4.32276657060519;5.3076867262387
20-35;CH;M;mittel;921;4;304;lightblue;grey;3.94736842105263;4.50583820758843
20-35;A;M;mittel;679;5;297;lightblue;grey;5.05050505050505;5.50753416696345
36-50;D;W;mittel;901;-16;539;pink;grey;-8.90538033395176;-10.113089934094
36-50;CH;W;mittel;795;-14;559;pink;grey;-7.5134168157424;-8.47337425113925
36-50;A;W;mittel;954;-14;532;pink;grey;-7.89473684210526;-9.10900477295668
36-50;D;M;mittel;637;5;372;lightblue;grey;4.03225806451613;5.13441893160424
36-50;CH;M;mittel;1119;5;450;lightblue;grey;3.33333333333333;4.70848721443906
36-50;A;M;mittel;774;5;387;lightblue;grey;3.87596899224806;4.80990788672021
51-65;D;W;mittel;823;-12;419;pink;grey;-8.59188544152745;-12.564806686857
51-65;CH;W;mittel;1030;-11;409;pink;grey;-8.06845965770171;-11.1161409755095
51-65;A;W;mittel;713;-12;410;pink;grey;-8.78048780487805;-12.7679639318909
51-65;D;M;mittel;377;4;293;lightblue;grey;4.09556313993174;6.67043008029075
51-65;CH;M;mittel;633;3;294;lightblue;grey;3.06122448979592;5.51711003606047
51-65;A;M;mittel;658;3;243;lightblue;grey;3.7037037037037;6.44301771203513
20-35;D;W;hoch;910;-11;621;pink;green;-5.31400966183575;-10.511280722101
20-35;CH;W;hoch;596;-11;659;pink;green;-5.00758725341426;-10.5971533104517
20-35;A;W;hoch;832;-11;638;pink;green;-5.17241379310345;-10.8699314067247
20-35;D;M;hoch;836;4;525;lightblue;green;2.28571428571429;5.3076867262387
20-35;CH;M;hoch;962;3;465;lightblue;green;1.93548387096774;4.50583820758843
20-35;A;M;hoch;739;4;480;lightblue;green;2.5;5.50753416696345
36-50;D;W;hoch;978;-15;797;pink;green;-5.64617314930991;-10.113089934094
36-50;CH;W;hoch;929;-15;866;pink;green;-5.19630484988453;-8.47337425113925
36-50;A;W;hoch;1107;-15;849;pink;green;-5.30035335689046;-9.10900477295668
36-50;D;M;hoch;697;5;514;lightblue;green;2.91828793774319;5.13441893160424
36-50;CH;M;hoch;1036;5;539;lightblue;green;2.78293135435993;4.70848721443906
36-50;A;M;hoch;848;5;582;lightblue;green;2.57731958762887;4.80990788672021
51-65;D;W;hoch;654;-10;362;pink;green;-8.28729281767956;-12.564806686857
51-