ggplot绘制收入与策略投票线性回归缺失连线问题求助

核心原因分析 #

大概率是收入变量（Q5）中存在NA，导致均值计算时生成了NA，ggplot无法绘制出连线。而年龄变量（Q3）的NA较少或处理逻辑不同，所以均值计算正常，连线能正常显示。

具体排查与修复步骤 #

1. 先确认数据中的NA分布 #

运行以下代码查看Q5的NA数量及分组分布：

# 统计Q5的总NA数
sum(is.na(your_data$Q5))
# 查看按策略投票分组后Q5的NA分布
table(your_data$StrategischeWahl2021, is.na(your_data$Q5))

如果某一组的Q5全部为NA，该组的均值会变成NA，ggplot会跳过这个点，直接导致连线断裂或完全不显示。

2. 修正均值计算逻辑，强制排除NA #

假设你原本的代码类似这样（未处理NA）：

ggplot(your_data, aes(x = Q5, y = StrategischeWahl2021)) +
  geom_boxplot() +
  stat_summary(fun = mean, geom = "line", color = "red", group = 1)

修改为明确排除NA的版本：

ggplot(your_data, aes(x = Q5, y = StrategischeWahl2021)) +
  geom_boxplot() +
  stat_summary(fun = function(x) mean(x, na.rm = TRUE), 
               geom = "line", color = "red", group = 1)

3. 检查变量类型是否匹配 #

确认Q5和Q3的变量类型一致：

str(your_data$Q5)
str(your_data$Q3)

如果Q5是字符型而Q3是数值型，会直接导致均值计算异常。若Q5是字符型，先转换为数值型：

your_data$Q5 <- as.numeric(as.character(your_data$Q5))

转换后重新检查NA情况（字符转数值时，非数字内容会被转为NA）。

4. 过滤NA观测值后再绘图 #

如果不需要保留含NA的样本，直接过滤后绘图：

filtered_data <- your_data[!is.na(your_data$Q5), ]
ggplot(filtered_data, aes(x = Q5, y = StrategischeWahl2021)) +
  geom_boxplot() +
  stat_summary(fun = mean, geom = "line", color = "red", group = 1)

验证方法 #

运行修正后的代码后，若仍无连线，打印均值计算结果确认是否存在NA：

aggregate(StrategischeWahl2021 ~ Q5, data = your_data, FUN = function(x) mean(x, na.rm = TRUE))

如果输出中有NA值，对应分组的均值无法被绘制，需要进一步清洗该分组的数据。

内容的提问来源于stack exchange，提问作者Mr. Draro