如何按指定变量的每n个唯一值拆分dataframe并绘图

核心思路 #

先对唯一的Lot值做分组标记，再基于组标记拆分/分面，完全不受单个Lot数据行数影响，支持任意N值调整，大数据集下性能稳定。

方案1：生成独立的分组绘图（可单独导出） #

1. 加载依赖包、设置每组Lot数量

library(tidyverse)
N <- 2 # 按需调整每组包含的Lot数量

2. 给Lot分配组编号并关联回原数据集

# 为所有唯一Lot分配组号
lot_group_map <- tibble(Lot = unique(df$Lot)) %>%
  mutate(group_id = rep(1:ceiling(n()/N), each = N, length.out = n()))
# 关联组号到原数据
df_with_group <- df %>% left_join(lot_group_map, by = "Lot")

3. 嵌套数据批量生成绘图对象

# 按组嵌套数据，每组生成一个ggplot对象存储在列表中
group_plots <- df_with_group %>%
  nest(data = -group_id) %>%
  mutate(
    plot = map2(data, group_id, ~ggplot(.x, aes(x = time, y = Value, color = factor(Lot))) +
                  geom_point() +
                  stat_smooth() +
                  labs(title = paste0("第", .y, "组Lot趋势图"), color = "Lot编号")
    )
  )

你可以直接调取任意组的绘图：
print(group_plots$plot[[1]])
也可以批量导出所有图到本地：

walk2(group_plots$plot, group_plots$group_id, ~ggsave(paste0("lot_group_", .y, ".png"), .x, width = 8, height = 5))

方案2：单画布分组分面展示（适合快速预览） #

如果不需要单独导出每张图，只是快速查看所有组的趋势，可以直接用分面实现：

library(tidyverse)
N <- 2
lot_group_map <- tibble(Lot = unique(df$Lot)) %>%
  mutate(group_id = rep(1:ceiling(n()/N), each = N, length.out = n()))
df %>%
  left_join(lot_group_map, by = "Lot") %>%
  ggplot(aes(x = time, y = Value, color = factor(Lot))) +
  geom_point() +
  stat_smooth() +
  facet_wrap(~group_id) +
  labs(color = "Lot编号")

补充提示：你原有代码中的filter(Lot == c(123, 265))写法存在逻辑缺陷，筛选多个匹配值应该使用Lot %in% c(123, 265)，避免因循环匹配出现错误的筛选结果。

内容的提问来源于stack exchange，提问作者RStam