在ggplot2中整合预测结果与观测数据绘制分面折线图

我来帮你一步步搞定这个问题！首先得修正几个小细节，再把数据整理成ggplot2偏好的长格式（tidy data），这样就能轻松实现分面展示观测和预测结果了。

第一步：修正原始数据框 #

你定义values2的时候多嵌套了一层values = c(...)，这会导致数据框创建出错，先把这个问题修正：

library(tidyverse)
library(forecast)

# 修正后的原始时间序列数据
df <- data.frame(
  duration = c(2000,2001,2002,2003,2004,2005),
  values = c(120,130,140,100,150,170),
  values2 = c(10,30,40,10,15,17)  # 去掉多余的values=嵌套
)

第二步：计算预测值并整理格式 #

你之前的代码里vc和tc都用了df$values的预测，应该分别对values和values2做预测。另外，我们需要给预测数据匹配对应的时间（延续原始的duration序列），保证后续能和观测数据对齐：

# 定义预测步数，比如预测未来3个时间点
h_steps <- 3

# 处理values的预测结果
fc_values <- forecast(df$values, h = h_steps) %>%
  as.data.frame() %>%
  mutate(
    duration = max(df$duration) + 1:h_steps,  # 延续时间序列
    variable = "values",
    type = "Forecast",
    value = mean  # 提取点预测值
  ) %>%
  select(duration, variable, type, value)

# 处理values2的预测结果
fc_values2 <- forecast(df$values2, h = h_steps) %>%
  as.data.frame() %>%
  mutate(
    duration = max(df$duration) + 1:h_steps,
    variable = "values2",
    type = "Forecast",
    value = mean
  ) %>%
  select(duration, variable, type, value)

# 合并两个变量的预测数据
forecast_df <- bind_rows(fc_values, fc_values2)

第三步：把观测数据转成长格式 #

原始数据是宽格式（每个变量占一列），我们需要转成长格式，让它和预测数据的结构完全一致，这样才能顺利合并：

observed_df <- df %>%
  pivot_longer(
    cols = c(values, values2),  # 指定要转换的变量列
    names_to = "variable",      # 存储变量名的列名
    values_to = "value"         # 存储数值的列名
  ) %>%
  mutate(type = "Observed")  # 标记为观测数据

第四步：合并观测与预测数据 #

现在两个数据框的列名、结构完全匹配，直接用bind_rows合并即可：

combined_df <- bind_rows(observed_df, forecast_df)

第五步：用ggplot2绘制分面折线图 #

终于到了绘图环节！用facet_grid按variable分面，同时用颜色区分观测和预测数据：

ggplot(combined_df, aes(x = duration, y = value, color = type)) +
  geom_line(linewidth = 1) +
  geom_point(size = 2) +  # 加上点标记让数据更清晰
  facet_grid(vars(variable), scales = "free_y") +  # 每个分面用独立y轴（适配数值差异）
  labs(
    x = "Year",
    y = "Value",
    color = "Data Type",
    title = "Observed vs Forecasted Values"
  ) +
  theme_minimal()

这样就能得到两个分面图，每个分面里都同时展示了原始观测数据的折线，以及后续的预测折线啦！

核心思路说明 #

• 长格式数据：ggplot2对长格式数据的支持最好，统一结构后分面、分组操作都会非常顺畅。
• 时间对齐：预测数据的duration必须延续原始序列，才能保证x轴的连续性，避免绘图时出现断层。
• 统一列名：观测和预测数据的列名完全一致是合并的前提，这一步一定要注意。

内容的提问来源于stack exchange，提问作者Lukas