ggplot2绘制瞳孔大小随时间变化的多分类调节交互折线图技术求助

看起来你是想展示瞳孔大小随时间的变化，同时用颜色区分2水平的Variable A、线型区分3水平的Variable B，这本质是要呈现三个变量的交互趋势线。先帮你拆解之前代码的问题，再给出完整的可行方案：

你之前代码的核心问题 #

1. make_pred_dat() 不是R或ggplot2的内置函数，也不是常见统计包的标准函数——如果这是你自定义的函数，需要确保它能生成包含时间、瞳孔大小、Variable A、Variable B的完整数据集；如果是想生成模型预测数据，得换用标准方法构建。
2. 你把连续变量 IVContinuousB 转成因子做线型映射，但实际应该直接用3水平的分类变量Variable B，而不是连续变量转码，这会导致分组逻辑错误。
3. 没有显式指定分组逻辑，虽然ggplot会根据颜色和线型自动分组，但显式声明分组能避免意外的分组错误。

完整解决方案（分两种场景） #

场景1：用原始观测数据绘制趋势线 #

先模拟符合你需求的数据集，你可以替换成自己的真实数据：

# 1. 模拟示例数据（替换成你的真实数据即可）
set.seed(123) # 保证结果可重复
dat <- expand.grid(
  time = seq(0, 10, by = 1),  # 连续时间变量
  varA = factor(c("A1", "A2")),  # 2水平分类变量Variable A
  varB = factor(c("B1", "B2", "B3"))  # 3水平分类变量Variable B
)
# 生成带交互效应的瞳孔大小数据
dat$pupil_size <- 2 + 0.3*dat$time + 
  0.5*(dat$varA == "A2") + 
  0.2*(dat$varB == "B2") + 0.4*(dat$varB == "B3") +
  0.1*dat$time*(dat$varA == "A2") + 
  0.08*dat$time*(dat$varB == "B2") + 0.12*dat$time*(dat$varB == "B3") +
  rnorm(nrow(dat), 0, 0.2) # 添加随机噪声模拟真实数据

# 2. 绘制平滑趋势线（推荐，更清晰展示趋势）
library(ggplot2)
ggplot(dat, aes(x = time, y = pupil_size, 
                colour = varA, linetype = varB,
                group = interaction(varA, varB))) + # 显式指定分组：每个A+B的组合为一组
  geom_smooth(method = "lm", se = FALSE, linewidth = 1) + # 线性拟合，关闭置信区间
  labs(x = "时间", y = "瞳孔大小",
       colour = "Variable A", linetype = "Variable B") +
  theme_classic() # 简洁主题，适配论文图风格

# 如果想展示原始数据点+趋势线，可以加一行：
# geom_point(alpha = 0.3, size = 1.5)

场景2：用模型预测数据绘制趋势线（对应你提到的make_pred_dat需求） #

如果你是想展示统计模型（比如线性混合模型、线性模型）的预测趋势，步骤如下：

# 1. 拟合包含交互项的模型（这里用线性模型，你可以换成自己的模型）
model <- lm(pupil_size ~ time * varA * varB, data = dat)

# 2. 生成预测数据集（覆盖所有变量组合+密集时间点）
pred_dat <- expand.grid(
  time = seq(min(dat$time), max(dat$time), length.out = 50), # 更密集的时间点让线条更平滑
  varA = unique(dat$varA),
  varB = unique(dat$varB)
)
# 添加模型预测值
pred_dat$predicted_pupil <- predict(model, newdata = pred_dat)

# 3. 绘制预测趋势线
ggplot(pred_dat, aes(x = time, y = predicted_pupil,
                     colour = varA, linetype = varB,
                     group = interaction(varA, varB))) +
  geom_line(linewidth = 1) +
  # 自定义颜色和线型（适配论文风格）
  scale_colour_manual(values = c("A1" = "#2E86AB", "A2" = "#F24C00")) +
  scale_linetype_manual(values = c("B1" = "solid", "B2" = "dashed", "B3" = "dotted")) +
  labs(x = "时间", y = "预测瞳孔大小",
       colour = "Variable A", linetype = "Variable B") +
  theme_classic()

额外提示 #

• 确保你的Variable A和Variable B是因子（factor）类型，否则ggplot会把它们当成连续变量处理，导致颜色/线型映射混乱。可以用dat$varA <- factor(dat$varA)转换。
• 如果你的真实数据是重复测量结构（比如同一被试多次测量），可以考虑用geom_line结合group = subject_id先绘制个体趋势，再叠加组水平的平滑线。

内容的提问来源于stack exchange，提问作者martina