如何使用ggplot将跨两数据集的三组密度图合并绘图并配置图例

核心逻辑是：先将分属两个数据源的样本整理为结构完全一致的长格式数据框，通过统一的分组字段映射美学属性，避免叠加图层时出现图例割裂、标签错配的问题。

第一步：统一数据结构并预处理 #

两个数据集的核心测量值（压力得分）量纲完全一致，只需将分组信息统一整理为同一个字段，按行拼接即可：

• 处理df1（对照组数据）：剔除缺失的压力值，将原变量CGstress重命名为与df2一致的stress，新增分组标识标记为「对照组整体」
• 处理df2（研究组分性别数据）：注意原JP_Gender是Stata导入的带标签类型，不能直接转为因子使用，需按照预设的编码值转成可识别的中文分组标签
• 剔除所有样本的缺失值后，按行合并为单个分析用数据集

预处理参考代码：

# 加载依赖包
library(dplyr)
library(ggplot2)

# 清洗df1
df1_clean <- df1 %>%
  filter(!is.na(CGstress)) %>%
  transmute(
    stress = CGstress,
    group = "对照组整体"
  )

# 清洗df2，适配带标签的Stata变量
df2_clean <- df2 %>%
  filter(!is.na(stress)) %>%
  transmute(
    stress = stress,
    group = case_when(
      JP_Gender == 1 ~ "研究组男性",
      JP_Gender == 2 ~ "研究组女性",
      JP_Gender == 3 ~ "研究组跨性别",
      JP_Gender == 4 ~ "研究组其他"
    )
  )

# 合并为统一数据集
combined_df <- bind_rows(df1_clean, df2_clean)

第二步：统一绘图与图例配置 #

基于合并后的数据集绘图，无需单独给每个密度图层传不同数据源，ggplot会自动基于group字段生成连续的统一图例，避免出现两套独立图例的问题：

ggplot(combined_df, aes(x = stress, fill = group)) +
  # 密度曲线配置：半透明填充、细白轮廓线区分边界
  geom_density(alpha = 0.35, color = "white", linewidth = 0.5) +
  # 坐标轴配置
  scale_x_continuous(name = "压力得分") +
  scale_y_continuous(name = "概率密度") +
  # 自定义图例配置
  scale_fill_brewer(
    palette = "Set2", 
    name = "样本所属分组",
    # 手动调整图例顺序，对比逻辑更清晰
    breaks = c("对照组整体", "研究组男性", "研究组女性")
  ) +
  # 主题优化
  theme_minimal() +
  theme(
    legend.position = "bottom",
    panel.grid.minor = element_blank()
  )

关键注意事项 #

• 不要图省事直接在同一个ggplot里叠加两个分别引用不同数据源的geom_density：这种写法会因为两个图层的fill映射逻辑完全独立，生成两套分离的图例框，一套带性别标签、一套没有任何标注，手动调整很难对齐，本质就是两个图层没有共用统一的分组映射逻辑
• 预处理阶段提前剔除缺失值，避免密度计算时因有效样本量不一致出现曲线偏移、带宽适配错误
• 半透明填充的alpha值建议设置在0.3-0.4区间，既可以透过填充层看到重叠区域的分布差异，也不会因颜色过深遮挡不同曲线的轮廓边界

内容的提问来源于stack exchange，提问作者Chiao