您好，登录后才能下订单哦！
密码登录
登录注册
点击 登录注册 即表示同意《亿速云用户服务条款》
# 怎么用R语言的ggplot2做平滑的折线图
## 引言
在数据可视化领域，折线图是最常用的图表类型之一，用于展示数据随时间或其他连续变量的变化趋势。然而，当数据存在噪声或波动较大时，直接绘制的折线图可能难以清晰呈现潜在的趋势模式。这时，平滑技术就显得尤为重要。
R语言的ggplot2包提供了强大的数据可视化功能，其中包含多种方法可以创建平滑的折线图。本文将详细介绍如何使用ggplot2制作平滑的折线图，包括：
1. ggplot2基础折线图绘制
2. 使用geom_smooth()添加平滑曲线
3. 不同平滑方法比较（loess、gam、lm等）
4. 平滑参数调整技巧
5. 多系列数据的平滑处理
6. 图形美化与自定义
## 1. ggplot2基础折线图
在开始平滑处理前，我们先回顾如何使用ggplot2绘制基础折线图。
### 1.1 准备数据
```r
library(ggplot2)
library(dplyr)
# 创建示例数据集
set.seed(123)
time <- seq(as.Date("2020-01-01"), as.Date("2020-12-31"), by = "day")
values <- cumsum(rnorm(length(time), 0, 1)) + 50 + sin(seq(0, 4*pi, length.out = length(time))) * 5
df <- data.frame(
date = time,
value = values
)
# 添加一些噪声
df$value_noisy <- df$value + rnorm(nrow(df), 0, 2)
# 基础折线图
ggplot(df, aes(x = date, y = value_noisy)) +
geom_line() +
labs(title = "基础折线图（含噪声）", x = "日期", y = "数值")
这个基础折线图显示了数据中的大量波动，使得整体趋势难以辨认。接下来我们将介绍如何添加平滑曲线来改善这种情况。
ggplot2提供了geom_smooth()函数专门用于添加平滑曲线。
ggplot(df, aes(x = date, y = value_noisy)) +
geom_line(alpha = 0.3) + # 原始数据线（半透明）
geom_smooth() + # 默认平滑曲线
labs(title = "默认平滑曲线", x = "日期", y = "数值")
默认情况下，geom_smooth()使用loess方法（数据量<1000时）或gam方法（数据量≥1000时）进行平滑。
ggplot2支持多种平滑方法，可以通过method参数指定：
# 使用loess方法（适合小数据集）
ggplot(df, aes(x = date, y = value_noisy)) +
geom_line(alpha = 0.3) +
geom_smooth(method = "loess", span = 0.3) +
labs(title = "loess平滑 (span=0.3)", x = "日期", y = "数值")
# 使用gam方法（广义加性模型）
ggplot(df, aes(x = date, y = value_noisy)) +
geom_line(alpha = 0.3) +
geom_smooth(method = "gam", formula = y ~ s(x, bs = "cs")) +
labs(title = "GAM平滑", x = "日期", y = "数值")
# 使用线性回归
ggplot(df, aes(x = date, y = value_noisy)) +
geom_line(alpha = 0.3) +
geom_smooth(method = "lm", formula = y ~ poly(x, 3)) +
labs(title = "三次多项式回归", x = "日期", y = "数值")
不同的平滑方法有不同的参数可以调整，以控制平滑程度。
对于loess方法，span参数控制平滑程度（0-1之间，越小越局部）：
# 不同span值比较
p1 <- ggplot(df, aes(x = date, y = value_noisy)) +
geom_line(alpha = 0.3) +
geom_smooth(method = "loess", span = 0.2, color = "red") +
labs(title = "span=0.2（更局部）", x = "", y = "")
p2 <- ggplot(df, aes(x = date, y = value_noisy)) +
geom_line(alpha = 0.3) +
geom_smooth(method = "loess", span = 0.5, color = "blue") +
labs(title = "span=0.5（默认）", x = "", y = "")
p3 <- ggplot(df, aes(x = date, y = value_noisy)) +
geom_line(alpha = 0.3) +
geom_smooth(method = "loess", span = 0.8, color = "green") +
labs(title = "span=0.8（更平滑）", x = "", y = "")
library(patchwork)
p1 + p2 + p3 + plot_layout(ncol = 3)
对于gam方法，可以通过formula参数指定基函数：
# 不同基函数比较
ggplot(df, aes(x = date, y = value_noisy)) +
geom_line(alpha = 0.3) +
geom_smooth(method = "gam", formula = y ~ s(x, k = 5), color = "red") +
geom_smooth(method = "gam", formula = y ~ s(x, k = 10), color = "blue") +
geom_smooth(method = "gam", formula = y ~ s(x, k = 20), color = "green") +
labs(title = "GAM不同节点数(k)比较", x = "日期", y = "数值")
当数据包含多个分组时，ggplot2可以自动为每个分组创建平滑曲线。
# 创建多系列数据
df_multi <- data.frame(
date = rep(time, 3),
value = c(values + rnorm(length(time), 0, 1),
values * 0.8 + rnorm(length(time), 0, 1),
values * 1.2 + rnorm(length(time), 0, 1)),
group = rep(c("A", "B", "C"), each = length(time))
)
# 多系列平滑
ggplot(df_multi, aes(x = date, y = value, color = group)) +
geom_line(alpha = 0.2) +
geom_smooth(se = FALSE) + # se=FALSE去掉置信区间
labs(title = "多系列平滑曲线", x = "日期", y = "数值") +
theme_minimal()
# 分面展示
ggplot(df_multi, aes(x = date, y = value)) +
geom_line(alpha = 0.2) +
geom_smooth(color = "red", se = FALSE) +
facet_wrap(~group, ncol = 1) +
labs(title = "分面平滑曲线", x = "日期", y = "数值")
geom_smooth()默认会显示95%置信区间，可以通过se参数控制：
# 关闭置信区间
ggplot(df, aes(x = date, y = value_noisy)) +
geom_line(alpha = 0.3) +
geom_smooth(se = FALSE, color = "darkred") +
labs(title = "无置信区间的平滑曲线", x = "日期", y = "数值")
# 自定义线条样式
ggplot(df, aes(x = date, y = value_noisy)) +
geom_line(alpha = 0.1) +
geom_smooth(
method = "loess",
color = "blue",
linetype = "dashed",
size = 1.2,
fill = "lightblue",
alpha = 0.2
) +
labs(title = "自定义样式的平滑曲线", x = "日期", y = "数值") +
theme_bw()
# 添加图例和标签
ggplot(df, aes(x = date, y = value_noisy)) +
geom_line(aes(color = "原始数据"), alpha = 0.3) +
geom_smooth(aes(color = "平滑曲线"), se = FALSE, size = 1.2) +
scale_color_manual(values = c("原始数据" = "gray", "平滑曲线" = "red")) +
labs(
title = "原始数据与平滑曲线对比",
x = "日期",
y = "数值",
color = "图例"
) +
theme(
legend.position = "bottom",
plot.title = element_text(hjust = 0.5)
)
# 使用quantmod获取股票数据
library(quantmod)
getSymbols("AAPL", src = "yahoo", from = "2020-01-01", to = "2020-12-31")
aapl <- data.frame(date = index(AAPL), AAPL[, "AAPL.Close"])
# 绘制平滑曲线
ggplot(aapl, aes(x = date, y = AAPL.Close)) +
geom_line(alpha = 0.3) +
geom_smooth(method = "loess", span = 0.2, color = "red") +
labs(title = "苹果公司股价平滑曲线 (2020年)", x = "日期", y = "收盘价")
# 使用R内置数据集
ggplot(economics, aes(x = date, y = unemploy)) +
geom_line(alpha = 0.5) +
geom_smooth(method = "gam", color = "blue", fill = "lightblue") +
labs(title = "美国失业人数平滑曲线", x = "年份", y = "失业人数(千)")
当数据量很大时，loess方法可能会很慢。解决方案：
method = "gam"span值# 大数据集处理示例
big_data <- data.frame(
x = 1:10000,
y = cumsum(rnorm(10000)) + sin(seq(0, 20*pi, length.out = 10000)) * 5
)
# 慢方法（不推荐）
# ggplot(big_data, aes(x, y)) + geom_smooth(method = "loess")
# 快方法
ggplot(big_data, aes(x, y)) +
geom_smooth(method = "gam", formula = y ~ s(x, bs = "cs")) +
labs(title = "大数据集使用GAM平滑")
如果数据包含NA值，平滑可能会失败。解决方案：
na.omit()删除NAna.rm = TRUEdf_na <- df
df_na$value_noisy[c(10, 20, 30)] <- NA
# 错误方法
# ggplot(df_na, aes(date, value_noisy)) + geom_smooth()
# 正确方法
ggplot(df_na, aes(date, value_noisy)) +
geom_smooth(na.rm = TRUE) +
labs(title = "处理缺失值的平滑曲线")
ggplot2的平滑功能为数据可视化提供了强大的工具，能够帮助我们从噪声数据中提取有意义的趋势。通过选择合适的平滑方法和调整参数，我们可以创建既美观又信息丰富的可视化图表。
关键要点总结：
geom_smooth()是添加平滑曲线的主要函数希望本文能帮助您更好地使用ggplot2创建平滑的折线图，让您的数据故事更加清晰有力！ “`
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。