ggplot绘制Gamma分布geom_smooth时反转Y轴报错解决方法

报错原因 #

scale_y_reverse()属于尺度层函数，执行顺序优先于统计计算：它会先将原始Y值取反，再传入stat_smooth()做Gamma广义线性模型拟合。而Gamma分布要求响应变量必须为严格正值，传入取反后的负值就会触发报错。

坐标层（coord_*系列）的调整发生在所有统计计算完成后，仅修改图形元素的最终显示位置，不会改动传入模型的原始数据，不会干扰拟合流程。

实现方案 #

方案1：坐标层反转（推荐） #

无需提前手动拟合，直接通过coord_cartesian()设置反向Y轴范围即可，geom_smooth()自带的拟合线、置信区间都能正常渲染：

# 注意：原代码包名存在笔误，ggplot2才是正确的包名
library(ggplot2)

set.seed(123) # 固定随机种子方便复现
data <- data.frame(x = 1:100, y = (1:100 + runif(100, min = 0, max = 50))^2)

p <- ggplot(data, aes(x, y)) +
  geom_point() +
  geom_smooth(method = 'glm', method.args = list(family = Gamma(link = "log")))

# Y轴范围按「最大值到最小值」设置，即可实现Y轴反转显示
p + coord_cartesian(ylim = rev(range(data$y)))

如果需要自定义Y轴显示范围，直接传入反向的边界值即可，例如要将Y轴范围限定在0到25000，反转后参数写为ylim = c(25000, 0)。

方案2：提前拟合后反转尺度 #

如果需要搭配尺度层的其他自定义配置，可以先手动完成模型拟合、计算好拟合值和置信区间，再调用scale_y_reverse()，此时统计计算已经完成，不会触发报错：

library(ggplot2)
set.seed(123)
data <- data.frame(x = 1:100, y = (1:100 + runif(100, min = 0, max = 50))^2)

# 拟合Gamma GLM模型
gamma_fit <- glm(y ~ x, family = Gamma(link = "log"), data = data)
# 计算拟合值和95%置信区间
pred <- predict(gamma_fit, newdata = data.frame(x = 1:100), 
                type = "response", se.fit = TRUE)
data$fit <- pred$fit
data$ci_upper <- pred$fit + 1.96 * pred$se.fit
data$ci_lower <- pred$fit - 1.96 * pred$se.fit

# 手动绘制散点、置信带、拟合线后反转Y轴
ggplot(data, aes(x, y)) +
  geom_point() +
  geom_ribbon(aes(ymin = ci_lower, ymax = ci_upper), alpha = 0.2, fill = "#3366FF") +
  geom_line(aes(y = fit), color = "#3366FF", linewidth = 1) +
  scale_y_reverse()

两种方案最终展示效果一致，优先选方案1，代码更简洁，不需要手动处理置信区间计算逻辑。

内容的提问来源于stack exchange，提问作者Muon