R ggplot2-在同一绘图上绘制多个模型

我有一个线性和非线性模型列表，这些模型来自不同的数据集，测量相同的两个变量

x

和

y

，我想使用

stat\u smooth

在同一个图上绘制。这是为了能够轻松比较数据集之间

x

和

y

之间的关系形状

我想找出最有效的方法。现在我正在考虑创建一个空的ggplot对象，然后使用某种循环或

lappy

顺序添加到该对象，但事实证明这比我想象的更困难。当然，简单地将模型提供给

ggplot

是最容易的，但据我所知，这是不可能的。有什么想法吗

下面是一个简单的示例数据集，仅使用两个模型，一个是线性模型，一个是指数模型：

df1=data.frame(x=rnorm(10),y=rnorm(10))
df2=data.frame(x=rnorm(15),y=rnorm(15))

df.list=list(lm(y~x,df1),nls(y~exp(a+b*x),start=list(a=1,b=1),df2))

和两个单独的示例图：

ggplot(df1,aes(x,y))+stat_smooth(method=lm,se=F)
ggplot(df2,aes(x,y))+stat_smooth(method=nls,formula=y~exp(a+b*x),start=list(a=1,b=1),se=F)

---

编辑：请注意，在发布此答案后，OP更改了问题

将数据合并到一个数据框中，新列指示模型，然后使用

ggplot

区分模型：

df1=data.frame(x=rnorm(10),y=rnorm(10))
df2=data.frame(x=rnorm(10),y=rnorm(10))

df1$model <- "A"
df2$model <- "B"

dfc <- rbind(df1, df2)

library(ggplot2)
ggplot(dfc, aes(x, y, group=model)) + geom_point() + stat_smooth(aes(col=model))

df1=data.frame（x=rnorm（10），y=rnorm（10））
df2=数据帧（x=rnorm（10），y=rnorm（10））
df1$model我认为这里的答案是得到一个X和Y的共同范围，你想把这个计算一遍，然后从那里开始。您可以使用predict从每个模型中提取一条曲线，并使用l_ply将层添加到ggplot

d

f1=data.frame（x=rnorm（10），y=rnorm（10））
df2=数据帧（x=rnorm（15），y=rnorm（15））
df.list=list（lm（y~x，df1），nls（y~exp（a+b*x），start=list（a=1，b=1，df2））
啊，看来我把我简单的例子做得太简单了。此后，我将其更改为包含数据集之间不同长度的x和y，以及两种不同类型的模型（线性和指数）。我不确定您的解决方案——从技术上讲，它对于我提供的示例是正确的，这是我的缺点——是否适用于此。有什么想法吗？听起来你应该接受这个答案来解决你提出的问题。你可以看看它对你的案子是否有效。如果没有，创建一个新的模型，并提出一个更具体的问题。但你可能也会感到惊讶，我认为不同的行数不应该是一个问题。Jarrett提供了一种方法来轻松适应不同类型的模型。我曾想过从模型中提取拟合值，但我喜欢将它们存储在列表中的想法
f1=data.frame(x=rnorm(10),y=rnorm(10))
df2=data.frame(x=rnorm(15),y=rnorm(15))

df.list=list(lm(y~x,df1),nls(y~exp(a+b*x),start=list(a=1,b=1),df2))


a<-ggplot()


#get the range of x you want to look at
x<-seq(min(c(df1$x, df2$x)), max(c(df1$x, df2$x)), .01)

#use l_ply to keep adding layers
l_ply(df.list, function(amod){

  #a data frame for predictors and response
  ndf <- data.frame(x=x)

  #get the response using predict - you can even get a CI here
  ndf$y <- predict(amod, ndf)

  #now add this new layer to the plot
  a<<- a+geom_line(ndf, mapping=(aes(x=x, y=y)))

} )

a

names(df.list) <- 1:length(df.list)
modFits <- ldply(df.list, function(amod){
  ndf <- data.frame(x=x)

  #get the response using predict - you can even get a CI here
  ndf$y <- predict(amod, ndf)

  ndf

  })


qplot(x, y, geom="line", colour=.id, data=modFits)