如何在R中为两组各四个点绘制平滑曲线？

首先看你代码里的几个关键问题：

• 方法名拼写错误：method = "loose"是笔误，正确的局部加权平滑方法是"loess"
• 未按分组拟合：你的stat_smooth没有指定group=Type，导致它把AD和WT的所有数据混在一起拟合，不是每组单独生成平滑曲线
• 多项式次数严重过高：4个数据点最多只能支撑3次多项式（n个点唯一确定n-1次多项式），用21次多项式会导致曲线剧烈震荡，完全违背“平滑”的需求
• 数据点数量确实是限制：每组仅4个点，非参数平滑（比如loess）的效果会很差，因为这类方法需要足够数据来估计局部趋势，这时候用低次参数多项式拟合会更合理

修正后的代码示例 #

方案1：用loess平滑（调整span优化小数据效果） #

把分组映射放到全局aes里，避免重复代码，同时修正方法名和参数：

ggplot(df, aes(x=x, y=y, color=Type, group=Type)) + 
  geom_point(size = 3) + 
  geom_line() + 
  stat_smooth(method = "loess", formula = y ~ x, se = FALSE, span = 1.5)

span参数控制平滑程度，值越大曲线越平滑，小数据场景可以适当调大。

方案2：用低次多项式拟合（更适合数据点少的场景） #

比如二次多项式，稳定性比loess更好：

ggplot(df, aes(x=x, y=y, color=Type, group=Type)) + 
  geom_point(size = 3) + 
  geom_line() + 
  stat_smooth(method = "lm", formula = y ~ poly(x, 2), se = FALSE)

如果觉得二次还是太复杂，也可以用一次线性拟合（把poly(x,2)改成x）。

补充说明 #

每组4个点的情况下，不要追求“过度平滑”，因为数据量太少，任何平滑曲线都只是对趋势的粗略估计。优先选择参数化的低次多项式，结果会更稳定且易解释。

内容的提问来源于stack exchange，提问作者C.YIN