基于ggplot的多数据源变量折线可视化及区域拆分需求问询

我明白你想要用折线图展示20个变量在4个数据源间的差异，同时按区域拆分对比——这个思路很清晰，折线图确实适合呈现不同组（数据源）在多个变量上的变化趋势。下面我结合简化的示例数据，给你一步步演示实现方法：

1. 先整理数据格式 #

ggplot对长格式数据更友好，所以第一步要把你的宽格式数据（每个变量一列）转换成包含region（区域）、data_source（数据源）、variable（变量名）、value（变量值）的长格式。我先构造一份模拟数据来演示：

# 加载需要的包
library(ggplot2)
library(tidyr)
library(dplyr)

# 构造模拟数据（包含2个变量、4个数据源、4个区域）
set.seed(123)  # 设置随机种子保证结果可重复
df <- expand.grid(
  region = c("North", "South", "East", "West"),
  data_source = c("Source1", "Source2", "Source3", "Source4"),
  variable = c("Var1", "Var2")
) %>%
  mutate(value = rnorm(nrow(.), mean = 50, sd = 10))  # 生成随机变量值

2. 按区域拆分的折线图（符合你的初始需求） #

这个版本会把每个区域作为单独的面板，你可以在每个面板里直接对比4个数据源在不同变量上的数值变化：

ggplot(df, aes(x = variable, y = value, color = data_source, group = data_source)) +
  geom_line(linewidth = 1) +  # 设置线宽让线条更清晰
  geom_point(size = 2) +  # 添加数据点，辅助观察具体数值
  facet_wrap(~ region) +  # 按区域拆分面板
  labs(
    title = "各变量在不同数据源及区域的差异",
    x = "变量",
    y = "变量值",
    color = "数据源"
  ) +
  theme_minimal() +
  theme(
    plot.title = element_text(hjust = 0.5, size = 14, face = "bold"),
    axis.text.x = element_text(angle = 45, hjust = 1)  # 旋转X轴标签，避免变量名拥挤
  )

关键点说明： #

• group = data_source：因为X轴是离散的变量名，必须指定分组才能让每个数据源的折线正确连接不同变量的点
• facet_wrap(~ region)：自动将数据按区域拆分，生成多个子图，方便跨区域对比
• 当你有20个变量时，X轴标签会比较密集，调整axis.text.x的旋转角度可以避免重叠

3. 备选方案：按变量拆分面板（适合变量较多的场景） #

如果变量数量达到20个，按区域拆分可能导致每个面板的X轴过于拥挤，这时可以换成按变量拆分面板，每个变量单独占一个子图，聚焦看该变量在不同数据源和区域的差异：

ggplot(df, aes(x = data_source, y = value, color = region, group = region)) +
  geom_line(linewidth = 1) +
  geom_point(size = 2) +
  facet_wrap(~ variable) +  # 按变量拆分面板
  labs(
    title = "各变量在不同数据源及区域的差异",
    x = "数据源",
    y = "变量值",
    color = "区域"
  ) +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5, size = 14, face = "bold"))

这个版本更适合变量多的场景，每个子图只展示一个变量的跨数据源、跨区域对比，视觉上更清爽。

内容的提问来源于stack exchange，提问作者user1412