如何将海狮观测点叠加到geom_line()绘制的潮汐高度图上？

核心逻辑是：观测点的y值不再使用计数数值，而是根据观测时间匹配对应时刻的潮汐高度，让点直接落在潮汐曲线上对应的位置，从而共用同一个y轴。

1. 安装加载所需扩展包 #

除了已有的ggplot2和scales，还需要dplyr处理数据，lubridate处理时间：

install.packages(c("dplyr", "lubridate")) # 首次使用需安装
library(dplyr)
library(lubridate)

2. 匹配观测时间与潮汐高度 #

由于观测时间和潮汐数据的时间点不完全重合，用线性插值的方式为每个观测时间点匹配对应的潮汐高度：

# 提取潮汐数据的时间和高度用于匹配
tide_ref <- tidedata %>% select(date, height)

# 处理观测数据：去掉NA值，添加匹配的潮汐高度
countDF.melt <- countDF.melt %>%
  filter(!is.na(value)) %>% # 过滤无计数的NA行
  mutate(
    # 用线性插值计算对应时间的潮汐高度
    tide_height = approx(
      x = tide_ref$date,
      y = tide_ref$height,
      xout = countDate
    )$y
  )

如果观测时间和潮汐数据的时间完全一致，可直接用left_join()替代插值：

countDF.melt <- countDF.melt %>%
  filter(!is.na(value)) %>%
  left_join(tide_ref, by = c("countDate" = "date")) %>%
  rename(tide_height = height)

3. 修改绘图代码，移除次坐标轴 #

现在观测点的y值用匹配到的tide_height，即可和潮汐曲线共用同一个y轴：

plot <- ggplot() + 
  theme_light() + 
  # 绘制潮汐高度曲线
  geom_line(data = tidedata, aes(x = date, y = height, group = 1), color = 'blue') + 
  # 绘制观测点：y用匹配的潮汐高度，形状按物种分类
  geom_point(data = countDF.melt, 
             aes(x = countDate, y = tide_height, 
                 shape = factor(variable, labels = c("加州海狮","北海狮","未知物种"))),
             size = 3, # 调大点更醒目
             alpha = 0.8) + # 半透明避免遮挡曲线
  # 设置标签与标题
  labs(
    x = "日期",
    y = "潮汐高度(英尺)",
    shape = "海狮物种",
    title = "驳船上海狮计数与潮汐高度"
  ) +
  # 时间轴设置
  scale_x_datetime(
    breaks = date_breaks("1 days"),
    labels = date_format("%d - %b"), # 月份缩写更规范
    expand = c(0,0),  
    limits = c(as.POSIXct("2020-12-09 00:00:00"), as.POSIXct("2020-12-15 23:00:00"))
  ) + 
  # 主题调整
  theme(
    plot.title = element_text(hjust = 0.5, size = 14, face = "bold"),
    axis.text.x = element_text(angle = 45, hjust = 1, size = 10),
    axis.title = element_text(size = 12)
  )

# 显示图形
print(plot)

额外优化建议 #

• 若需要显示计数数值，可添加文本标签：geom_text(data = countDF.melt, aes(x = countDate, y = tide_height, label = value), vjust = -1, size = 3)
• 可为不同物种设置自定义颜色：在geom_point()的aes中添加color = factor(variable,...)，再用scale_color_manual(values = c("red", "green", "gray"))设置颜色
• 若插值结果不理想，可尝试用zoo包的na.approx()或rollmean()做更平滑的时间匹配

内容的提问来源于stack exchange，提问作者mcdejer