geom_smooth结合geom_label_repel绘图时标签异常问题求解

问题场景 #

使用R开展横截面数据可视化，目标是探索不同年龄受访者的多维度得分变化趋势，数据已转换为长格式，name列存储变量名，value列存储得分，age列存储年龄，单数据集总行数超4万行，数据结构示例：

age name     value
   <dbl> <chr>    <dbl>
 1    40 mo_clean     1
 2    40 mo_groc      3
 3    40 mo_trans     1
 4    40 mo_digi      3
 5    40 mo_emo       3
 6    40 mo_activ     1
 7    40 mo_supv      1
 8    40 mo_doct      1
 9    39 mo_clean     1
10    39 mo_groc      1
# … with 42,030 more rows

绘图需求：

• 调用geom_smooth绘制每个变量随年龄变化的平滑趋势线，在线条末端添加变量名标签
• 用ggrepel::geom_label_repel替换普通geom_label，解决标签重叠问题

异常表现 #

初始使用geom_label的代码可正常生成末端标签，代码如下：

library(ggplot2)
library(ggrepel)

df %>%
  {
    ggplot(df, aes(age, value, label = name, color = name)) +
      geom_smooth(se = FALSE) +
      guides(color = "none") +
      geom_label(
        data = group_by(., name) %>%
          do(augment(loess(value ~ age, .))) %>%
          filter(age == max(age)),
        aes(age, .fitted), nudge_x = 2
      )
  } +
  scale_x_continuous(breaks = seq(35, 65, by = 5)) +
  xlab("Age") +
  ylab(" ") +
  theme(text = element_text(size = 14))

将geom_label替换为geom_label_repel后出现两类异常：

• 控制台提示geom_smooth() using method = 'gam' and formula 'y ~ s(x, bs = "cs")'，同时弹出警告ggrepel: 720 unlabeled data points (too many overlaps). Consider increasing max.overlaps，图中所有标签全部丢失
• 直接设置max.overlaps = Inf虽能显示所有标签，但标签严重堆叠，完全无法阅读，对应代码片段：

[...]
      geom_label_repel(
        data = group_by(., name) %>%
          do(augment(loess(value ~ age, .))) %>%
          filter(age == max(age)),
        aes(age, .fitted), 
        max.overlaps = Inf
      )
[...]

注：该问题为大数据量下geom_smooth场景特有，低数据量下geom_line末端加标签的方案不适用。

问题根因 #

1. 层内嵌套数据处理时，管道传递的分组属性未被正确重置，且未处理年龄最大值的并列值，导致传入geom_label_repel的不是「每个变量对应1个线条末端点」的数据集，而是包含数百个拟合点位的全量拟合结果，远超过ggrepel默认的重叠阈值，触发标签丢弃逻辑。
2. 大数据量下geom_smooth会自动将平滑方法从loess切换为gam，和提取标签时使用的loess拟合结果不匹配，标签位置与线条末端错位，进一步加剧重叠。
3. 未限制标签排斥的调整方向，也未在绘图区域右侧预留足够的标签展示空间，导致标签排布自由度太高出现堆叠。

解决方案 #

步骤1：提前单独提取标签点位 #

不要在geom层内嵌套数据处理逻辑，提前单独生成标签数据集，强制每个变量仅对应1个线条末端的拟合点：

library(broom)
# 提取每个name对应的平滑线末端唯一标签点
label_data <- df %>%
  group_by(name) %>%
  # 统一使用loess做平滑拟合，和后续geom_smooth保持一致
  do(augment(loess(value ~ age, .))) %>%
  group_by(name) %>%
  # 取每个name对应的最大年龄点，with_ties = FALSE强制每个name仅保留1行
  slice_max(age, n = 1, with_ties = FALSE) %>%
  ungroup()

步骤2：固定geom_smooth拟合方法+约束repel排布规则 #

绘图时固定geom_smooth的拟合方法，和标签数据的拟合逻辑保持一致，同时限制geom_label_repel仅在垂直方向调整位置避免重叠，扩展x轴范围预留标签空间：

ggplot(df, aes(age, value, label = name, color = name)) +
  # 固定平滑方法为loess，避免自动切换gam导致位置错位
  geom_smooth(se = FALSE, method = "loess") +
  # 隐藏颜色图例，标签已直接标注变量名
  guides(color = "none") +
  geom_label_repel(
    data = label_data,
    aes(x = age, y = .fitted),
    nudge_x = 3, # 标签整体向右偏移3个单位
    direction = "y", # 仅允许在y轴方向调整位置避免重叠，x轴偏移量统一
    hjust = 0, # 标签左对齐
    segment.size = 0.5, # 调整标签与线条间的连线粗细
    # 最大重叠数设置为标签总数+10，无需设为Inf即可保证所有标签显示
    max.overlaps = nrow(label_data) + 10,
    box.padding = 0.3, # 标签间的内边距
    label.size = NA # 去掉标签边框
  ) +
  # 扩展x轴右侧范围，预留标签展示空间
  scale_x_continuous(
    breaks = seq(35, 65, by = 5),
    limits = c(35, 72)
  ) +
  xlab("Age") +
  ylab(" ") +
  theme(text = element_text(size = 14))

关键优化点 #

• 从根源上控制标签点位数量：提前处理标签数据，保证每个变量仅对应1个待排布的标签点，避免无效点位参与排斥计算
• 拟合逻辑统一：固定geom_smooth的平滑方法，保证线条位置和标签位置完全对齐
• 排布规则约束：通过direction = "y"限制标签仅垂直调整，既避免重叠，又保证标签和对应线条的水平位置统一，不会出现线标不匹配的问题
• 自适应参数设置：max.overlaps直接关联标签总数，不需要手动调整即可适配不同数量的变量

内容的提问来源于stack exchange，提问作者cibr