拟合的二次回归曲线显示异常，寻求正确绘制方法

你的问题出在lines(fitted(model7))的使用逻辑上：拟合值fitted(model7)是按照原始数据的行顺序输出的，但如果你的distance变量不是从小到大排序的，直接用lines连接会导致线条按行号顺序乱连，而不是沿着x轴（distance）的升序绘制，所以曲线显示异常。

下面是三种可行的修正方案：

方案1：先排序数据再拟合绘图 #

# 按distance对数据从小到大排序
sorted_data <- data[order(data$distance), ]
# 基于排序后的数据拟合模型
model7 <- lm(count~distance+I(distance^2), data=sorted_data)
# 绘制散点图
plot(count~distance, data=data)
# 绘制有序的拟合曲线
lines(sorted_data$distance, fitted(model7))

方案2：不重新拟合，直接排序拟合值后绘图 #

model7 <- lm(count~distance+I(distance^2), data=data)
# 绘制散点图
plot(count~distance, data=data)
# 将distance和对应拟合值绑定，按distance排序
sorted_fit <- data.frame(dist = data$distance, fit_val = fitted(model7))[order(data$distance), ]
# 绘制曲线
lines(sorted_fit$dist, sorted_fit$fit_val)

方案3：用预测生成平滑曲线（推荐） #

这种方法会生成一系列均匀分布的distance值，预测对应的拟合结果，绘制出更平滑的二次曲线，尤其适合数据分布不均的情况：

model7 <- lm(count~distance+I(distance^2), data=data)
# 绘制散点图
plot(count~distance, data=data)
# 生成覆盖原distance范围的100个均匀取值
x_seq <- seq(min(data$distance), max(data$distance), length.out = 100)
# 预测这些x值对应的拟合y值
y_pred <- predict(model7, newdata = data.frame(distance = x_seq))
# 绘制平滑曲线
lines(x_seq, y_pred)

内容的提问来源于stack exchange，提问作者PeterLL