如何在ggplot双轴独立变量图中绘制均值95%置信区间及重叠正方形？

我太懂这种卡壳的感觉了——一开始觉得这事应该不难，但发现不是常规散点图的时候，瞬间就摸不着头绪了！你现在用的是x轴和y轴分别对应两个完全独立变量的双轴图，不是那种XY关联的散点图，对吧？要实现给两个变量的均值加95%置信区间，再画出数据集重叠区域的正方形，用ggplot完全可以做到，我给你一步步拆解：

1. 先准备数据并计算统计量 #

首先得把两个变量的均值、95%置信区间算出来，用dplyr来做会很方便，我用模拟数据举例子，你可以直接替换成自己的真实数据：

library(ggplot2)
library(dplyr)

# 模拟两个独立变量的数据集
set.seed(123)
df <- tibble(
  x_var = rnorm(100, mean = 5, sd = 1.2),
  y_var = rnorm(100, mean = 7, sd = 1.5)
)

# 计算x和y变量的均值、95%置信区间
stats <- df %>%
  summarise(
    # x变量统计量
    x_mean = mean(x_var),
    x_ci_low = x_mean - qt(0.975, n()-1)*sd(x_var)/sqrt(n()),
    x_ci_high = x_mean + qt(0.975, n()-1)*sd(x_var)/sqrt(n()),
    # y变量统计量
    y_mean = mean(y_var),
    y_ci_low = y_mean - qt(0.975, n()-1)*sd(y_var)/sqrt(n()),
    y_ci_high = y_mean + qt(0.975, n()-1)*sd(y_var)/sqrt(n())
  )

2. 绘制基础图+置信区间 #

接下来用ggplot画图，先把两个独立变量的分布画出来（这里用密度图做例子，你可以换成你原来的图表类型），然后添加均值点和置信区间：

# 基础双轴图（这里用密度图做示例，可替换为你需要的图层）
p <- ggplot(df) +
  # x轴变量的密度图
  geom_density(aes(x = x_var), fill = "#619CFF", alpha = 0.3) +
  # y轴变量的密度图（转置后对应y轴）
  geom_density(aes(x = y_var), fill = "#F8766D", alpha = 0.3) +
  coord_flip() + # 转置后让y轴对应第二个变量
  # 添加x变量的均值和置信区间
  geom_vline(aes(xintercept = x_mean), data = stats, color = "#619CFF", linetype = "solid") +
  geom_errorbarh(aes(xmin = x_ci_low, xmax = x_ci_high, y = 0.8), data = stats, color = "#619CFF", height = 0.1) +
  # 添加y变量的均值和置信区间（转置后对应y轴方向）
  geom_hline(aes(yintercept = y_mean), data = stats, color = "#F8766D", linetype = "solid") +
  geom_errorbar(aes(ymin = y_ci_low, ymax = y_ci_high, x = 0.8), data = stats, color = "#F8766D", width = 0.1) +
  theme_minimal()

3. 添加重叠区域的正方形 #

最后就是画出两个置信区间的重叠正方形，用geom_rect实现，取x置信区间和y置信区间的交集范围即可：

p <- p +
  geom_rect(
    data = stats,
    aes(
      xmin = x_ci_low, xmax = x_ci_high,
      ymin = y_ci_low, ymax = y_ci_high
    ),
    fill = "grey", alpha = 0.2, color = "black", linetype = "dashed"
  )

print(p)

关键说明 #

• 置信区间用了t分布分位数，适合小样本场景；如果是大样本，也可以换成qnorm(0.975)用正态分布近似。
• 重叠正方形的范围直接取x、y变量置信区间的上下限交集，刚好对应两个数据集的重叠区域。
• 如果你原来的图不是密度图，只需要把geom_density换成你对应的图层（比如箱线图geom_boxplot）就行，核心的置信区间和矩形图层逻辑完全不变。

内容的提问来源于stack exchange，提问作者antecessor