根据L中的lme到faceted ggplot的拟合值添加行

我正在使用R中的包ggplot2处理多面板图 . 我的数据集由20个物种组成，每个物种6个个体，每个个体有两个核心，每个核心由几个片段组成 . 这是我数据框子集的输出输出：

all <- structure(list(Sp_ind_core = structure(c(82L, 150L, 127L, 103L, 
30L, 25L, 112L, 159L, 170L, 27L), .Label = c("APEIME_1_a", "APEIME_1_b", 
"APEIME_2_a", "APEIME_2_b", "APEIME_3_a", "APEIME_3_b", "APEIME_4_a", 
"APEIME_4_b", "APEIME_5_a", "APEIME_5_b", "APEIME_6_a", "APEIME_6_b", 
"ASTRGR_1_a", "ASTRGR_1_b", "ASTRGR_2_a", "ASTRGR_2_b", "ASTRGR_3_a", 
"ASTRGR_3_b", "ASTRGR_4_a", "ASTRGR_4_b", "ASTRGR_5_a", "ASTRGR_5_b", 
"ASTRGR_6_a", "ASTRGR_6_b", "CALOLO_1_a", "CALOLO_1_b", "CALOLO_2_a", 
"CALOLO_2_b", "CALOLO_3_a", "CALOLO_3_b", "CALOLO_4_a", "CALOLO_4_b", 
"CALOLO_5_a", "CALOLO_5_b", "CALOLO_6_a", "CALOLO_6_b", "CORDBI_1_a", 
"CORDBI_1_b", "CORDBI_2_a", "CORDBI_2_b", "CORDBI_3_a", "CORDBI_3_b", 
"CORDBI_4_a", "CORDBI_4_b", "CORDBI_6_a", "CORDBI_6_b", "CORDBI_7_a", 
"CORDBI_7_b", "GUAZUL_1_a", "GUAZUL_1_b", "GUAZUL_2_a", "GUAZUL_2_b", 
"GUAZUL_3_a", "GUAZUL_3_b", "GUAZUL_4_a", "GUAZUL_4_b", "GUAZUL_5_a", 
"GUAZUL_5_b", "GUAZUL_6_a", "GUAZUL_6_b", "INGAMA_1_a", "INGAMA_1_b", 
"INGAMA_2_a", "INGAMA_2_b", "INGAMA_3_a", "INGAMA_3_b", "INGAMA_4_a", 
"INGAMA_4_b", "INGAMA_5_a", "INGAMA_5_b", "INGAMA_6_a", "INGAMA_6_b", 
"JACACO_1_a", "JACACO_1_b", "JACACO_2_a", "JACACO_2_b", "JACACO_3_a", 
"JACACO_3_b", "JACACO_4_a", "JACACO_4_b", "JACACO_6_a", "JACACO_6_b", 
"JACACO_8_a", "JACACO_8_b", "LACMPA_1_a", "LACMPA_1_b", "LACMPA_2_a", 
"LACMPA_2_b", "LACMPA_3_a", "LACMPA_3_b", "LACMPA_4_a", "LACMPA_4_b", 
"LACMPA_5_a", "LACMPA_5_b", "LACMPA_6_a", "LACMPA_6_b", "LUEHSE_1_a", 
"LUEHSE_1_b", "LUEHSE_2_a", "LUEHSE_2_b", "LUEHSE_3_a", "LUEHSE_3_b", 
"LUEHSE_4_a", "LUEHSE_4_b", "LUEHSE_5_a", "LUEHSE_5_b", "LUEHSE_6_a", 
"LUEHSE_6_b", "PLATEL_1_a", "PLATEL_1_b", "PLATEL_2_a", "PLATEL_2_b", 
"PLATEL_3_a", "PLATEL_3_b", "PLATEL_4_a", "PLATEL_4_b", "PLATEL_5_a", 
"PLATEL_5_b", "PLATEL_6_a", "PLATEL_6_b", "POULAR_1_a", "POULAR_1_b", 
"POULAR_2_a", "POULAR_2_b", "POULAR_3_a", "POULAR_3_b", "POULAR_4_a", 
"POULAR_4_b", "POULAR_5_a", "POULAR_5_b", "POULAR_6_a", "POULAR_6_b", 
"PRIOCO_1_a", "PRIOCO_1_b", "PRIOCO_2_a", "PRIOCO_2_b", "PRIOCO_3_a", 
"PRIOCO_3_b", "PRIOCO_4_a", "PRIOCO_4_b", "PRIOCO_5_a", "PRIOCO_5_b", 
"PRIOCO_6_a", "PRIOCO_6_b", "SIMAAM_1_a", "SIMAAM_1_b", "SIMAAM_2_a", 
"SIMAAM_2_b", "SIMAAM_5_a", "SIMAAM_5_d", "SIMAAM_6_a", "SIMAAM_6_b", 
"SIMAAM_7_a", "SIMAAM_7_b", "SIMAAM_8_a", "SIMAAM_8_b", "SPONRA_1_a", 
"SPONRA_1_b", "SPONRA_2_a", "SPONRA_2_b", "SPONRA_3_a", "SPONRA_3_b", 
"SPONRA_4_a", "SPONRA_4_b", "SPONRA_5_a", "SPONRA_5_b", "SPONRA_7_a", 
"SPONRA_7_b", "TABAGU_1_a", "TABAGU_1_b", "TABAGU_2_a", "TABAGU_2_b", 
"TABAGU_3_a", "TABAGU_3_b", "TABAGU_4_a", "TABAGU_4_b", "TABAGU_5_a", 
"TABAGU_5_b", "TABAGU_6_a", "TABAGU_6_b", "TABARO_1_a", "TABARO_1_b", 
"TABARO_2_a", "TABARO_2_b", "TABARO_3_a", "TABARO_3_b", "TABARO_4_a", 
"TABARO_4_b", "TABARO_5_a", "TABARO_5_b", "TABARO_6_a", "TABARO_6_b", 
"TACHVE_1_a", "TACHVE_1_b", "TACHVE_3_a", "TACHVE_3_b", "TACHVE_4_a", 
"TACHVE_4_b", "TACHVE_5_a", "TACHVE_5_b", "TACHVE_6_a", "TACHVE_6_b", 
"TACHVE_7_a", "TACHVE_7_b", "TRIPCU_1_a", "TRIPCU_1_b", "TRIPCU_2_a", 
"TRIPCU_2_b", "TRIPCU_3_a", "TRIPCU_3_b", "TRIPCU_4_a", "TRIPCU_4_b", 
"TRIPCU_5_a", "TRIPCU_5_b", "TRIPCU_6_a", "TRIPCU_6_b", "VIROSE_1_a", 
"VIROSE_1_b", "VIROSE_2_a", "VIROSE_2_b", "VIROSE_3_a", "VIROSE_3_b", 
"VIROSE_4_a", "VIROSE_4_b", "VIROSE_5_a", "VIROSE_5_b", "VIROSE_6_a", 
"VIROSE_6_b", "ZANTEK_1_a", "ZANTEK_1_b", "ZANTEK_2_a", "ZANTEK_2_b", 
"ZANTEK_3_a", "ZANTEK_3_b", "ZANTEK_4_a", "ZANTEK_4_b", "ZANTEK_5_a", 
"ZANTEK_5_b", "ZANTEK_6_a", "ZANTEK_6_b"), class = "factor"), 
Species = structure(c(7L, 13L, 11L, 9L, 3L, 3L, 10L, 14L, 
15L, 3L), .Label = c("APEIME", "ASTRGR", "CALOLO", "CORDBI", 
"GUAZUL", "INGAMA", "JACACO", "LACMPA", "LUEHSE", "PLATEL", 
"POULAR", "PRIOCO", "SIMAAM", "SPONRA", "TABAGU", "TABARO", 
"TACHVE", "TRIPCU", "VIROSE", "ZANTEK"), class = "factor"), 
Individual = c(6L, 5L, 4L, 4L, 3L, 1L, 2L, 2L, 1L, 2L), Core = structure(c(2L, 
3L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 1L), .Label = c("a", "b", 
"d"), class = "factor"), DP = c(3, 18, 5, 1, 9, 9, 1, 2, 
1.6, 8), WD = c(0.469094923, 0.542043984, 0.218045113, 0.6192, 
0.428431373, 0.542285345, 0.723011364, 0.282582938, 0.942528736, 
0.58), DP.max = c(21, 18, 10, 15, 20, 22, 17, 18, 8.8, 8), 
DPscale = c(0.142857143, 1, 0.5, 0.066666667, 0.45, 0.409090909, 
0.058823529, 0.111111111, 0.181818182, 1), DP2 = c(0.020408163, 
1, 0.25, 0.004444444, 0.2025, 0.167355372, 0.003460208, 0.012345679, 
0.033057851, 1)), .Names = c("Sp_ind_core", "Species", "Individual", 
"Core", "DP", "WD", "DP.max", "DPscale", "DP2"), row.names = c(1370L, 
2480L, 2085L, 1730L, 474L, 390L, 1871L, 2619L, 2787L, 434L), class = "data.frame")

多面体图中有20个面板，每个种类一个，y轴为密度，x轴为髓髓距离 . 每个面板图显示该物种的12个核心的12条不同的线 . 这是多面板图的代码：

library(ggplot2)
ggplot(all, aes(x=DPscale, y=WD, group=Sp_ind_core))+ geom_line()       
+theme_bw()+facet_wrap(facets=~Species, ncol=5)

对我来说，挑战是使用R中nlme包中的lme函数从线性混合效应模型中添加一行拟合值 . 这是子集数据中每个物种的混合效应模型的代码：

library(nlme)
jacaco.qm<-lme(WD~DPscale+DP2, random=~1|Individual/Core, jacaco)
luehse.m<-lme(WD~1, random=~1|Individual/Core, luehse)
simaam.lm<-lme(WD~DPscale, random=~1|Individual/Core, simaam)
calolo.qm<-lme(WD~DPscale+DP2, random=~1|Individual/Core, calolo)
platel.m<-lme(WD~1, random=~1|Individual/Core, platel)
tabagu.m<-lme(WD~1, random=~1|Individual/Core, tabagu)
sponra.lm<-lme(WD~DPscale, random=~1|Individual/Core, sponra)

这里有一个相关的问题：
Plotting results of lme4 with ggplot2这让我认为解决方案是在多面板图中创建包含每个面的固定效果系数的第二个数据框，然后使用geom_abline函数根据固定效果系数（截距和坡度）绘制拟合线（一个或多个）） . 但是，我无法应用这种解决方案，因为密度和髓距离之间的关系因20种而异 . 一些物种具有随机效应模型，其他物种具有线性模型，而其他物种具有二次模型，这意味着取决于模型，存在1,2和3个固定效应系数 . 我试图创建一个包含所有物种的固定效果的数据框：

fixed.m1 <- data.frame(fixef(jacaco.qm), fixef(luehse.m), fixef(platel.m), fixef(poular.qm),   
fixef(simaam.lm), fixef(calolo.qm), fixef(tabagu.m), fixef(sponra.lm))

我收到以下错误：

Error in data.frame(fixef(apeime.lm), fixef(astrgr.qm), fixef(calolo.qm),  : arguments imply   
differing number of rows: 2, 3

最后，为了添加拟合线，我还尝试了ggplot2中的stat_smooth函数，虽然它通过在图中的每个面板添加拟合线来起作用，但这是一个不正确的解决方案，因为stat_smooth函数没有“lme” “作为其中一种方法，由lm拟合的线与基于lme模型的拟合值的线不同 .

总之，我的问题是我无法根据从lme模型到ggplot绘制的多面图的拟合值添加线，因为每个多面板图中的物种具有不同数量的固定效果系数，具体取决于它们是否具有均值，线性或二次模型 . 具体来说，我想要通过线性和二次模型最适合物种的拟合线，并且没有物种的线条最适合平均模型 .

提前致谢 .