添加带有geom_平滑的回归线，以在R中绘制离散x轴

我想把线性模型中的回归线添加到R中的绘图中

我创建了以下示例数据集：

# Load libraries
library(tidyverse)
library(ggbeeswarm)

# Set seed
set.seed(123)

# Create dataset
ID <- sprintf("ID-%s",seq(1:30))
baseline <- rnorm(30, mean = 50, sd = 3)

df <- data.frame(ID, baseline) %>%
  mutate(`1` = baseline - rnorm(1, mean = 5, sd = 4), 
         `2` = `1` - rnorm(1, mean = 7, sd = 5), 
         `3` = `2` - rnorm(1, mean = 10, sd = 9)) %>% 
  pivot_longer(-ID) %>% 
  rename(time = name) %>% 
  mutate(time = as.factor(time))

如果我在绘图中添加

geom_smooth（method='lm'）

，什么都不会发生，我认为这与

时间是一个因素有关。但是，添加
geom_smooth（method='lm'，formula=y~as.numeric（x）
也不起作用

如何在这张图的顶部绘制回归线

EDIT1.0:
我已经能够使用geom_smooth用
geom_smooth（aes（x=as.numeric（time），y=value），method=“lm”，formula=y~x）绘制回归线
，但遗憾的是，回归线不正确…
尝试此操作。添加回归线的一个选项是手动计算回归线，并通过
组
上的
几何线
和映射
ID
将其添加到绘图中。红线是
值~时间
的回归线，而对于蓝线I r将时间编码为数字，将“基线”设置为0

#加载库
图书馆（tidyverse）
图书馆（ggbeeswarm）
#播种
种子集（123）
#创建数据集
ID%
重命名（时间=名称）%%>%
变异（时间=因子（时间），
time1=ifelse（time==“baseline”，0，作为.numeric（time）），
平滑=预测（lm（值~时间，数据=），
smooth1=预测（lm（值~time1，数据=））
#密谋
ggplot（数据=df，aes（x=时间，y=值））+
geom_quasirandom（）+
#回归线
几何线（aes（x=时间，y=平滑，组=ID），颜色=“红色”）+
几何图形线（aes（x=时间，y=平滑1，组=ID），颜色=“蓝色”）+
theme_classic（）+
刻度x离散（限值=c（“基线”、“1”、“2”、“3”））+
实验室（x=“时间”，y=“价值”）


由（v0.3.0）于2020年4月15日创建，使用有序因子启用与aes（如数字（时间）、值）的叠加怎么样

#加载库
图书馆（tidyverse）
图书馆（ggbeeswarm）
#播种
种子集（123）
#创建数据集
ID%
重命名（时间=名称）%%>%
#创建有序因子以允许在as.numeric之后同步x的顺序
突变（时间=因子（时间，顺序=T，c（“基线”、“1”、“2”、“3”））
##渲染结果
ggplot（数据=df，aes（x=时间，y=值））+
geom_quasirandom（）+
theme_classic（）+
实验室（x=“时间”，y=“价值”）+
geom_smooth（aes）（如数值（时间）、值、方法=“lm”）



##用这个来验证
ggplot（数据=df，aes（x=时间，y=值））+
几何点（）+
theme_classic（）+
实验室（x=“时间”，y=“价值”）+
geom_smooth（aes）（如数值（时间）、值、方法=“lm”）


（v0.3.0）于2020年4月15日创建，感谢您的响应！在本例中，似乎有3个不同的线性模型适合于数据，而我希望将一个线性模型适合于所有数据点。使用geom_smooth是否可能（特别是因为它有一个方便的
se
选项）？是和否。（；我估计了一个线性模型。但是，由于时间是一个因素，它是一个模型，每个时间级别有不同的截距（没有斜率）。这就是为什么我们没有一条“好”线。要实现这一点，你必须将该因素转换为数字（正如你已经尝试过的那样）。在这种情况下，问题是如何将“基线”重新编码为数字？
# Plot
ggplot(data = df, aes(x=time, y = value)) + 
  geom_quasirandom() +
  theme_classic() + 
  scale_x_discrete(limits = c("baseline", "1", "2", "3") ) +
  labs(x = "Time", y = "Value")