R ggplot2 facet_wrap分面下为各面板单独添加geom_vline竖线

facet_wrap()默认在全量数据集上计算几何对象的统计值，直接在geom_vline()中写mean(value)会计算所有样本的总均值，不会按分面分组单独计算，因此无法匹配每个子图的对应参考值。

核心是提前单独生成每个分面对应的参考线数据集，再传入geom_vline()做映射，即可让参考线自动匹配对应子图。

1. 数据预处理 #

首先将数据转换为长格式，再单独计算每个参数对应的估计值均值（红色实线）、真实参数值（蓝色虚线），生成专用的参考线数据框：

library(tidyverse)

# 生成长格式绘图数据，变量和原ggarrange方案保持一致
plot_df <- rebias |>
  pivot_longer(
    cols = c(g1_hat, b1_hat, ra_hat, g2_hat, b3_hat, rf_hat),
    names_to = "key",
    values_to = "value"
  )

# 调整分面排列顺序，和原ggarrange排版一致
plot_df$key <- factor(
  plot_df$key,
  levels = c("g1_hat", "b1_hat", "ra_hat", "g2_hat", "b3_hat", "rf_hat")
)

# 生成参考线数据
vline_df <- plot_df |>
  group_by(key) |>
  # 计算每个参数的估计值均值（红色实线）
  summarise(est_mean = mean(value, na.rm = T)) |>
  # 匹配每个参数对应的真实值（蓝色虚线，规则和原单图代码完全一致）
  mutate(
    true_val = case_when(
      key == "g1_hat" ~ sqrt(unique(rebias$g1)),
      key == "g2_hat" ~ sqrt(unique(rebias$g2)),
      key == "b1_hat" ~ sqrt(unique(rebias$b1)),
      key == "b3_hat" ~ sqrt(unique(rebias$b3)),
      key == "ra_hat" ~ unique(rebias$ra),
      key == "rf_hat" ~ mean(rebias$rf)
    )
  )

2. 绘图代码 #

密度层使用长格式主数据，竖线层使用提前生成的参考线数据，facet_wrap()会自动按照key字段将参考线匹配到对应分面：

ggplot(plot_df, aes(x = value)) +
  geom_density(alpha = 0.3) +
  # 红色实线：估计值均值
  geom_vline(
    data = vline_df,
    aes(xintercept = est_mean),
    color = "red", linetype = "solid", linewidth = 1
  ) +
  # 蓝色虚线：真实参数值
  geom_vline(
    data = vline_df,
    aes(xintercept = true_val),
    color = "blue", linetype = "dashed", linewidth = 1
  ) +
  facet_wrap(~key, nrow = 2, scales = "free_x") +
  labs(x = "Parameter values", y = "Density") +
  theme_bw(12)

• 参数scales = "free_x"允许每个分面的x轴根据自身数值范围调整刻度，和原单图单独设置坐标轴的效果一致，如果需要统一所有分面的x轴范围，删除该参数即可。
• 如果需要自定义特定分面的x轴刻度，可以使用ggh4x包的scale_x_continuous相关函数为每个分面单独设置刻度，和原单图的刻度设置完全匹配。
• 如果需要新增re_hat等其他参数的分面，只需在pivot_longer的cols参数中加入对应列名，同时在vline_df的case_when中补充该参数对应的真实值计算规则即可。

内容的提问来源于stack exchange，提问作者lf_araujo