如何在R中绘制10年数据的GDP、通胀率、失业率多变量趋势图

嘿，我来帮你搞定把GDP、Inflation_Rate、Unemployment_Rate三个变量放在同一图里的需求！首先先把你的数据集整理成清晰的表格方便查看：

能看到这三个指标的数值范围差异极大，直接用同一Y轴的话，通胀率和失业率的趋势会被GDP完全掩盖。参考你想要的示例图样式，我们可以用双Y轴的方式来解决，或者把数据标准化后用同一轴展示相对趋势，下面给你两种具体实现方案：

方案1：双Y轴展示（保留原数值） #

这个方案和你参考的图样式一致，左轴显示通胀率和失业率，右轴显示GDP，通过缩放因子把GDP的数值匹配到左轴的量级，再在次轴还原回原数值：

# 加载必要的包
library(ggplot2)
library(dplyr)

# 计算缩放因子：把GDP的最大值缩到和另外两个指标最大值相近的范围
scale_factor <- max(data$GDP) / max(c(data$Inflation_Rate, data$Unemployment_Rate))

# 绘制双轴趋势图
ggplot(data, aes(x = Year)) +
  # 绘制GDP的折线和散点（已缩放，对应右轴）
  geom_line(aes(y = GDP / scale_factor, color = "GDP"), linewidth = 1) +
  geom_point(aes(y = GDP / scale_factor, color = "GDP"), size = 2) +
  # 绘制通胀率的折线和散点（对应左轴）
  geom_line(aes(y = Inflation_Rate, color = "Inflation Rate"), linewidth = 1) +
  geom_point(aes(y = Inflation_Rate, color = "Inflation Rate"), size = 2) +
  # 绘制失业率的折线和散点（对应左轴）
  geom_line(aes(y = Unemployment_Rate, color = "Unemployment Rate"), linewidth = 1) +
  geom_point(aes(y = Unemployment_Rate, color = "Unemployment Rate"), size = 2) +
  # 设置Y轴：左轴对应通胀/失业率，右轴还原GDP原数值
  scale_y_continuous(
    name = "Inflation Rate / Unemployment Rate",
    sec.axis = sec_axis(~ . * scale_factor, name = "GDP")
  ) +
  # 设置颜色区分不同指标
  scale_color_manual(values = c("GDP" = "#1f77b4", "Inflation Rate" = "#ff7f0e", "Unemployment Rate" = "#2ca02c")) +
  # 添加标题和标签
  labs(
    title = "Trend of GDP, Inflation Rate and Unemployment Rate",
    x = "Year",
    color = "Indicator"
  ) +
  # 优化主题样式
  theme_minimal() +
  theme(
    plot.title = element_text(hjust = 0.5, size = 14, face = "bold"),
    axis.title = element_text(size = 12),
    legend.position = "top"
  )

代码说明： #

• 缩放因子的作用是让GDP的趋势在左轴上能和另外两个指标的趋势对齐，次轴再把缩放后的数值还原成GDP的真实量级
• 每个指标用不同颜色区分，方便快速识别
• 当你的数据有多个年份时，就能呈现出像参考图那样的趋势变化啦

方案2：标准化后展示相对趋势 #

如果你不需要保留原数值的直观性，只想看三个指标的相对变化趋势，可以把数据标准化（比如Z-score标准化），这样所有指标都在同一个尺度上：

# 加载必要的包
library(ggplot2)
library(dplyr)
library(tidyr)

# 标准化数据并转为长格式
normalized_data <- data %>%
  select(Year, GDP, Inflation_Rate, Unemployment_Rate) %>%
  mutate(
    # 对每个指标做Z-score标准化
    GDP_norm = scale(GDP)[,1],
    Inflation_norm = scale(Inflation_Rate)[,1],
    Unemployment_norm = scale(Unemployment_Rate)[,1]
  ) %>%
  # 转为长格式，方便ggplot绘图
  pivot_longer(
    cols = ends_with("_norm"),
    names_to = "Indicator",
    values_to = "Normalized_Value"
  ) %>%
  # 清理指标名称
  mutate(Indicator = gsub("_norm", "", Indicator))

# 绘制标准化趋势图
ggplot(normalized_data, aes(x = Year, y = Normalized_Value, color = Indicator)) +
  geom_line(linewidth = 1) +
  geom_point(size = 2) +
  labs(
    title = "Normalized Trend of GDP, Inflation Rate and Unemployment Rate",
    x = "Year",
    y = "Normalized Value (Z-score)",
    color = "Indicator"
  ) +
  scale_color_manual(values = c("GDP" = "#1f77b4", "Inflation Rate" = "#ff7f0e", "Unemployment Rate" = "#2ca02c")) +
  theme_minimal() +
  theme(
    plot.title = element_text(hjust = 0.5, size = 14, face = "bold"),
    axis.title = element_text(size = 12),
    legend.position = "top"
  )

这个方案的好处是不用处理双轴的缩放逻辑，缺点是无法直接看到指标的真实数值，只能对比相对变化。

内容的提问来源于stack exchange，提问作者prasanth