如何使用ggplot2正确绘制in、out两个因子的累积和曲线？

嘿，你的问题大概率是数据格式没调整为长格式（tidy data），或者计算累积和时没按in/out分组处理，导致两组数值被错误叠加，最终曲线数值远超单独绘制的结果。下面给你一步步讲怎么解决：

1. 先确认你的数据格式 #

假设你的原始数据是宽格式（比如有time列、in列、out列），类似这样：

# 示例宽格式数据
set.seed(123)
df_wide <- data.frame(
  time = 1:10,
  in = sample(3:8, 10, replace = TRUE),
  out = sample(2:6, 10, replace = TRUE)
)

这种格式直接画累积曲线很容易踩坑，因为ggplot更适配长格式数据——每一行对应一个观测值，单独用一列标识分组（比如factor列存in或out）。

2. 把宽格式转成长格式 #

用tidyr::pivot_longer()就能轻松转换：

library(tidyr)
df_long <- df_wide %>%
  pivot_longer(cols = c(in, out), names_to = "factor", values_to = "value")

转换后的数据结构会变成这样（每行是一个时间点下某因子的数值）：

3. 按分组计算累积和并绘图 #

用dplyr按factor分组，计算每组的累积和，再用ggplot绘制：

library(dplyr)
library(ggplot2)

# 计算分组累积和
df_cumulative <- df_long %>%
  group_by(factor) %>%
  arrange(time) %>%  # 务必确保数据按时间顺序排列
  mutate(cum_value = cumsum(value))

# 绘制累积曲线
ggplot(df_cumulative, aes(x = time, y = cum_value, color = factor)) +
  geom_line(size = 1) +
  labs(title = "因子in/out的累积和曲线", x = "时间", y = "累积值", color = "因子类型") +
  theme_minimal()

为啥之前的图会出错？ #

如果直接在宽格式数据上操作，或者没分组就计算累积和，比如：

# 错误示例：没分组就计算全局累积和
df_long %>%
  mutate(cum_value = cumsum(value)) %>%  # 这里把in和out的数值全加在一起了
  ggplot(aes(x = time, y = cum_value, color = factor)) + geom_line()

这种写法会把in和out的数值跨组累加，自然会出现曲线数值远超单独绘制的情况。另外如果数据没按时间排序，累积和的计算顺序混乱，也会导致结果异常。

额外检查小提示 #

• 先确认你的数据是按时间从小到大排列的，要是乱序，一定要用arrange(time)排序后再算累积和。
• 如果你的数据已经是长格式，检查计算累积和时有没有加group_by(factor)，别让两组数据混在一起累加。

内容的提问来源于stack exchange，提问作者Marc Kees