为geom_vline添加单独的图例 [英] Add separate legend for geom_vline

查看：268
本文介绍了为geom_vline添加单独的图例的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！

问题描述

我有这样的数据框： 

  dput（df）
结构（list（X = c（337L ，338L，339L，340L，341L，342L，343L，
 344L，345L，346L，347L，348L，349L，350L，351L，352L，353L，354L，$ 3535L，356L，358L ，359L，360L，361L，362L，363L，364L，365L，
 366L，367L，368L，369L，370L，371L，372L，373L，374L，375L，376L，$ 377L，378L，379L ，380L，381L，382L，383L，384L，385L，386L，387L，
 388L，389L，390L，391L，392L，393L，394L，395L，396L，397L，398L，
 399L， ，401L，402L，403L，404L，405L，406L，407L，408L，409L，
 410L，411L，412L，413L，414L，415L，416L，417L，418L，419L，420L， ，422L，423L，424L，425L，426L，427L，428L，429L，430L，431L，
 432L，433L，434L，435L，436L，437L，438L，439L，440L，441L，442L，$ b $ 443L，444L，445L，446L，447L，448L，449L，450L，451L，452L，453L，
 454L，455L，456L，457L，458L，459L，460L，461L，462L，463L，464L， b $ b 465L，466L，467L，468L，469L，470L，471L，472L，473L，474L，475L，
 476L，477L，478L，479L，480L，481L，482L，483L，484L，485L，486L，
 487L，488L，489L，490L，491L，492L，493L，494L，495L，496L，497L， $ b 498L，499L，500L，501L，502L，503L，504L，841L，842L，843L，844L，
 845L，846L，847L，848L，849L，850L，851L，852L，853L，854L， 
 856L，857L，858L，859L，860L，861L，862L，863L，864L，865L，866L，
 867L，868L，869L，870L，871L，872L，873L，874L，875L，876L， 877L，
 878L，879L，880L，881L，882L，883L，884L，885L，886L，887L，888L，
 889L，890L，891L，892L，893L，894L，895L，896L，897L， 898L，899L，
 900L，901L，902L，903L，904L，905L，906L，907L，908L，909L，910L，
 911L，912L，913L，914L，915L，916L，917L，918L， 919L，920L，921L，
 922L，923L，924L，925L，926L，927L，928L，929L，930L，931L，932L，
 933L，934L，935L，936L，937L，938L，939L， 940L，941L，942L，943L，
 944L，945L，946L，947L，948L，949L，950L，951L，952L，953L，954L，
 955L，956L，957L，958L，959L，960L， 961L，962L，963L，964L，965 L，
 966L，967L，968L，969L，970L，971L，972L，973L，974L，975L，976L，
 977L，978L，979L，980L，981L，982L，983L，984L，985L， 986L，987L，
 988L，989L，990L，991L，992L，993L，994L，995L，996L，997L，998L，
 999L，1000L，1001L，1002L，1003L，1004L，1005L， 1007L，
 1008L，1345L，1346L，1347L，1348L，1349L，1350L，1351L，1352L，
 1353L，1354L，1355L，1356L，1357L，1358L，1359L，1360L，1361L，
 1362L，1363L，1364L，1365L，1366L，1367L，1368L，1369L，1370L，
 1371L，1372L，1373L，1374L，1375L，1376L，1377L，1378L，1379L， 1383L，1384L，1385L，1386L，1387L，1388L，
 1389L，1390L，1391L，1392L，1393L，1394L，1395L，1396L，1397L，
 1398L，1399L，1400L，1401L，1402L，1403L， 1404L，1405L，1406L，
 1407L，1408L，1409L，1410L，1411L，1412L，1413L，1414L，1415L，
 1416L，1417L，1418L，1419L，1420L，1421L，1422L，1423L， 
 1425L，1426L，1427L，1428L，1429L，1430L，1431L，1432L，1433L，
 1434L，1435L，143 6L，1437L，1438L，1439L，1440L，1441L，1442L，
 1443L，1444L，1445L，1446L，1447L，1448L，1449L，1450L，1451L，1453L，1454L，1455L，1456L， 1457L，1457L，1459L，1460L，
 1461L，1462L，1463L，1464L，1465L，1466L，1467L，1468L，1469L，
 1470L，1471L，1472L，1473L，1474L，1475L，1476L， 1478L，
 1479L，1480L，1481L，1482L，1483L，1484L，1485L，1486L，1487L，
 1488L，1489L，1490L，1491L，1492L，1493L，1494L，1495L，1496L，
 1497L，1498L，1499L，1500L，1501L，1502L，1503L，1504L，1505L，
 1506L，1507L，1508L，1509L，1510L，1511L，1512L），变量=结构（c（1L，
 1L 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，
 1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，
 1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，
 1L，1L，1L，1L，1L，1L，1L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， $ b 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，3L，3L， 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 
 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 3L，3L，3L，3L，3L，3L，3L），.Label = c（As，Cd_totale，Cr_totale
），class =factor区域=结构（c（1L，1L，1L，1L，1L，1 $，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，
 1L，1L，1L，1L，1L，5L，5L，5L，5L，5L，5L，5L，6L，6L，1L，6L，
 6L，6L，1L， 1L，1L，1L，1L，6L，1L，1L，1L，1L，
 1L，2L，2L，2L，2L，3L，3L，1L，1L，1L，1L，4L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，3L，
 3L，4L，4L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， $ 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，
 1L，1L，1L，1L，1L，1L，1L，1L，3L，3L，1L，2L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，
 1L，1L，1L，1L，1L， 1L，1L，1L，2L，2L，2L，1L，
 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 
 1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 3L，4L，4L，4L，
 4L，1L，1L，1L，5L，5L，5L，5L，5L，6L，6L，6L，6L，1L，1L，6L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，6L，6L，
 6L，6L，1L，1L，6L，6L，1L， 1L，1L，1L，1L，1L，
 1L，1L，1L，2L，2L，2L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，4L，1L，1L，1L，1L，2L，3L，
 3L，3L，3L，1L，1L，1L，1L，4L，5L，5L，5L，5L，5L， 5L，5L，
 1L，1L，1L，4L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，4L，
 1L，1L， 1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， $ b 1L，1L，1L），.Label = c（candiano，Lido_Spina，Porto_Corsini，
Punta_Marina，Sito1，Sito2），class =factor Campione =结构（c（40L，
 39L，38L，155L，37L，36L，153L，50L，51L，156L，34L，152L，73L，
 154L，75L，76L，157L，41L， 42L，43L，44L，45L，35L，47L，48L，
 49L，6L，7L，13L，21L，162L，164L，166L，2L，8L，46L，14L，165L， 23L，24L，25L，26L，27L，28L，29L，30L，31L，12L，33L，
 150L，151L，111L，74L，3L，9L，15L，18L，4L，10L，158L，159L， 
 160L，161L，17L，20L，1L，126L，127L，128L​​，52L，53L，54L，55L，
 56L，57L，58L，22L，163L，139L，140L，141L，142L， 143L，144L，
 145L，146L，147L，32L，149L，109L，110L，72L，84L，112L，113L，
 114L，115L，116L，77L，16L，19L，5L，11L， 82L，83L，61L，85L，
 86L，87L，129L，130L，131L，132L，133L，134L，135L，59L，60L，
 123L，62L，62L，63L，64L，65L， 66L，67L，68L，148L， 108L，70L，
 71L，137L，124L，125L，98L，99L，88L，89L，117L，78L，79L，80L，$ b $ 81L，122L，91L，138L，97L，90L，136L， 100L，101L，94L，102L，
 92L，93L，96L，69L，103L，95L，105L，119L，107L，104L，118L，
 120L，121L，106L，106L，109L，105L， 110L，108L，121L，122L，102L，
 111L，107L，146L，147L，104L，149L，150L，112L，148L，103L，145L，
 120L，117L，4L，10L，123L， 18L，125L，126L，127L，124L，129L，
 118L，119L，91L，92L，93L，94L，95L，96L，97L，98L，99L，128L​​，$ b $ 101L，60L，61L， 62L，23L，24L，25L，26L，27L，28L，151L，113L，
 114L，115L，116L，3L，9L，15L，78L，79L，80L，81L，82L，83L，
 84L，85L，86L，87L，130L，131L，132L，133L，134L，135L，136L，$ b $ 137L，138L，139L，140L，100L，59L，142L，143L，144L，165L，62L， $ b 63L，64L，65L，66L，67L，152L，153L，154L，155L，156L，157L，$ b $ 158L，159L，160L，161L，40L，16L，19L，5L，11L，17L，20L， 88L，
 89L，90L，13L，21L，162L，164L，166L，2L，8L，12L，14L，141L，$ b $ 58L，22L，163L，74L ，76L，77L，39L，41L，42L，68L，69L，
 70L，71L，72L，73L，7L，75L，49L，50L，51L，52L，53L，43L，44L，$ b $ 45L，46L，1L，6L，34L，48L，36L，37L，38L，56L，57L，54L，55L，
 29L，35L，32L，33L，30L，31L，47L，66L，64L，62L ，67L，103L，
 65L，101L，63L，58L，59L，60L，102L，62L，99L，100L，77L，37L，
 38L，39L，40L，41L，42L，43L，44L 61L，48L，49L，50L，51L，52L，
 53L，54L，55L，56L，57L，12L，14L，22L，163L，137L，138L，165L，
 167L，23L，24L ，25L，68L，69L，70L，71L，72L，73L，74L，75L，
 76L，36L，3L，9L，15L，78L，79L，80L，81L，82L，45L，46L，47L， b $ b 86L，87L，88L，89L，90L，91L，92L，93L，94L，8L，135L，136L，
 97L，98L，34L，139L，140L，141L，142L，26L，27L，28L 29L，30L，
 31L，32L，33L，17L，35L，154L，155L，156L，18L，4L，10L，16L，
 19L，83L，84L，85L，110L，20L，1L ，6L，7L，13L，21L，162L，164L，
 166L，95L，96L，109L，11L，111L，112L，113L，114L，115L，143L，$ b $ 104L，105L，106L，107L ，108L，5L，149L，123L，124L，12 5L，126L，
 127L，157L，158L，159L，160L，161L，121L，134L，153L，150L，151L，$ b $ 152L，130L，131L，128L​​，129L，148L，144L，132L， 2L，116L，133L，
 122L，146L，147L，120L，145L，118L，119L，117L）。标签= c（A_1，
A_2，A_LS，A_PC ，A_PM，B_1，B1_1，B1_2，B1_LS，
B1_PC，B1_PM，B_2，B2_1，B2_2，B2_LS， B2_PC，B2_PM，
B_LS，B_PC，B_PM，C_1，C_2，C386，C387，C388，
C389 ，C390，C391，C392，C393，C394，C395，C396，
C397，C398，C399，C400 C401，C402，C403，C404，
，C405，C406，C407，C408，C409，C410，C411，C412 ，
，C413，C414，C415，C416，C417，C418，C419，C420， C423，C424，C425，C426，C427，C428，
C429，C430，C431，C432，C433，C434 ，C435，C436，
C437，C438，C439，C440，C441，C442，C443，C444，
 C445， C446， C447， C448， C449， C450， C451， C452，
C453C454C455C456C457C458C459C460
C461C462C463 C464，C465，C466，C467，C468，
C469，C470，C471，C472，C473，C474 ，C476，C478，C479，C480，C481，C482，C483，C484，
，C485， C486，C488，C489，C490，C491，C492，
C493，C494，C495，C496，C497 ，C498，C499，C500，
，C501，C502，C503，C504，C505，C506，C507，C508， b $ bC509，C510，C511，C512，C513，C514，C515，C516，
C517，C518，C519 ，C520，C521，C522，C523，C524，
，D_1，D_2，E_1，E_2，F_1，F_2， （1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，
 1L，1L，1L，1L，1L） 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，
 1L，2L，2L，2L，2L，2L，2L，2L，2L，2L，1L，2L，2L ，2L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，2L，2L，2L， ，2 1L，1L，1L，1L，1L，1L，1L，1L，1L，2L，2L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，
 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，
 1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，
 1L，1L，图1L，1L，1L，1L，1L，1L，
 1L，1L，1L，1L，1L，2L，2L，2L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，
 1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，
 1L，1L，1L，1L，1L，1L，1L，2L，2L，2 L，2L，2L，2L，1L，1L，
 1L，2L，2L，2L，2L，2L，2L，2L，2L，2L，1L，1L，2L，2L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，2L，1L，1L，
 1L， 2L，2L，1L，1L，1L，1L，1L，
 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，
 1L，2L，2L，2L，2L，1L，1L，2L，2L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，2L，2L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，2L，2L，2L，2L，2L，2L，1L，1L，1L，1L，2L，2L，2L，2L，2L， 2L，2L，1L，1L，1L，2L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1 $，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， L，
 1L，1L，1L，2L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L），.Label = c（campione，
controllo ），类= 因子），值= C（7.75，7.83，图8，
 9分配，7.2，7.5，6.5，6.4，6.2，如图8所示，7.75，7.6，8.5，7，8.25，8.25， 
 9,7,7.5,8.17,7.75,6.67,7.6,5.83,6.75,5.6,9.48，
 8.35,8.37,7.5,5.5,6.45,6.22,9.3,8.62,7.6,7.3， 6.17，
 5.71，9,8.75,13.5,7.75,7.6,8.33,8,8.75,7.4,8,8.17，
 6.17,7,8.5,8,8.45,7.82,6,7.7， 10.1，8.64，9,8，6.6，
 6.6，7，7.66，9.19，7.67，10％，8，6.2，6.2，6.25，7,6，6，
 6.4,7，7.75， 8，7,7，9,9，... 7.8，7，6.17，7，8.25，7，8.6，
 6.6，8.25，8,8，6.5，6.75，6.2，6，8.25，6，8.38， 9.16，
 7.7,8,8,5.6,7.67,7.67,6.33,9,7.5,7.33,6.8,7,7，
 8,6,5.8,7,6,6,5,6,7,8， 7.25,8.8,8.5,8,8.25,7.75,8.4，
 8.5,8.25,7.25,6,7,7,7,6.33,7,7,8,7.25,6.67,7.33，
 5，6，7，8，7，8，8，8，8，8，7.67，8，8，8.25，7，9.5，8，
 6，8.2，如图7所示，6.5，7,6，7.8，0.12，0.28，0.12，0.1，0.24，0.1，
 0.1，0.12，0.15，0.22，0.13，0.1，0.11，0.1，0.12，0.13， 
 0.13,0.11,0.1,0.1,0.1,0.15,0.14,0.1,0.15,0.1,0.1，
 0.1,0.1,0.1,0.1,0.1,0.07,0.09,0.1,0.1,0.09， 0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.15,0.13,0.15， 0.14,0.025，
 0.12,0.12,0.11,0.12,0.13,0.13,0.11,0.09,0.1,0.08，
 0.1,0.1,0.1,0.1,0.1,0.1,0.2,0.13,0.1， 0.01,0.1,0.1,0.11，
 0.09,0.15,0.1,0.1,0.1,0.11,0.09,0.12,0.12,0.12，
 0.12,0.16,0.1,0.1,0.1,0.1， 0.1，0.14，0.12，
 0.15，0.025，0.16，0.18，0.16，0.025，0.15，0.08，0.09，0.1，
 0.15，0.17，0.11，0.05，0.05，0.12，0.15，0.12， 0.025，0.1，
 0.11，0.17，0.16，0.12，0.05，0.12，0.12，0.13，0.17，0.13，
 0.14，0.12，0.12，0.11，0.12，0.13，0.15，0.12，0.12， 0.1，
 0.1,0.12,0.1,0。 13,0.13,0.18,0.1,0.14,0.12,0.1,0.1，
 0.18,0.2,0.15,0.1,0.11,0.13,0.11,0.24,0.16,0.13，$ b $ 0.15,0.15,0.22， 0.1,85.75,63.25,43.6,84.5,84,95.4，
 98,35.6,79.6,71.6,73.2,84,54,89,99,94.75,70.6，
 92.25,84.83,78.5， 70.7,92.5,94.67,93.75,75.2,64.75，
 66,75.6,82.4,80.2,78.8,81,79,75.6,79.2,85.9,57，
 93.9,97.9,96.25,84， 53.9,56.1,108.5,111.75,104.5，
 78.25,82.75,87.25,86.05,85,96,102.25,100.5,100,77，
 84.3,83.9,52， 86.33,93.67,70.5，
 86.6,77.67,86.33,74,73.67,86.67,87.5,72,89.67,93，
 95,93.5,96,88,91,86,104.5,90， 86.5,85,100.25,81.25，
 93.2,109.75,105,104,87.8,99.75,92.67,47,88.2,73，
 95,94,98.7,100.4,91.5,63,94.2， 89.33,90.33,83.67，
 75.6,86.8,99.7,90,88.7,88.4,99.8,76.4,57.8,52.5，
 93， 68.6，103，81， 90，
 101.2,102.6,96.6,100.8,81,90,65,79,102.67,102,107，
 107.5,93,70.2,70.2,67,90.33,71.5,61.17,64.6， 84.8，
 87.5,96.67,76,101,100.75,97.8,77.4,83.4,79,79,55，
 59.33,98,95.25,82,87,70,91），LCB_pelite = c （17,17，
 17,17,17,17,17,17,17,17,17,17,17,17,17，
 17,17,17,17 ，17，17，17，17，17，17，17，17，17，17，17，
 17，17，17，17，17，17，17，17，17，17，17，17 ，17，17，17，
 17,17,17,17,17,17,17,17,17,17,17,17,17 $ b $ 17,17,17 ，17，17，17，17，17，17，17，17，17，17，17，17，
 17，17，17，17，17，17，17，17，17，17，17 ，17,17,17,17 $ b 17,17,17,17,17,17,17,17,17,17,17,17,17 $ b 17,17 ，17，17，17，17，17，17，17，17，17，17，17，17，17，
 17，17，17，17，17，17，17，17，17，17 ，17，17，17，17，17，
 17，17，17，17，17，17，17，17，17，17，17，17，17，17，
 17 ，17， 17，17，17，17，17，17， 0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2，
 0.2,0.2,0.2,0.2,0.2， 0.2,0.2,0.2,0.2,0.2，
 0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2，
 0.2,0.2,0.2,0.2， 0.2，0.2，0.2，0.2，0.2，0.2，0.2，0.2，
 0.2，0.2，0.2，0.2，0.2，0.2，0.2，0.2，0.2，0.2，0.2，0.2，
 0.2， 0.2，0.2，0.2，0.2，0.2，0.2，0.2，0.2，0.2，0.2，0.2，
 0.2，0.2，0.2，0.2，0.2，0.2，0.2，0.2，0.2，0.2，0.2，0.2， 
 0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2，
 0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2， 0.2,0.2,0.2,0.2,0.b $ b 0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2， 0.2,0.2,0.2,0.2,0.2,0.2，
 0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2，
 0.2,0.2,0.2， 0.2，0.2，0.2， 0.2，0.2，0.2，0.2，0.2，0.2，
 0.2，50个，50，50，50，50，50，50，50，50，50，50，50，50，
 50， 50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50,50 50,50 50,50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50,50,50,50,50,50,50b $ b 50,50,50,50,50,50,50,50,50b $ b 50,50,50,50,50,50,50,50,50,50,50,50,50b $ b 50,50,50,50,50,50,50,50,50,50,50,50,50b $ b 50,50,50,50,50,50,50,50,50,50,50,50,50b $ b 50，50，50，50，50，50，50，50，50，50，50，50，50，50，50，
 50，50，50，50，50，50，50，50， 50,50,50,50,50,50,50b $ b 50,50,50,50,50,50,50,50,50b $ 50,50,50,50,50,50,50,50,50b $ 50,50,50,50,50,50,50,50,50b $ 50,50,50,50,50,50,50,50,50b $ 50,50,50,50,50,50,50,50,50b $ $ b 50，50，50，50，50，50，50， 50，50，50，50，50，50，50，50，
 50，50，50，50，50，50，50，50，50，50，50，50，50，50，50， 
 50,50,50,50,50,50,50,50,50,50,50,50,50,50,50b $ b 50,50,50,50,50），LCB = C（25，25，25，25，25，25，25，
 25，25，25，25，25，25，25，25，25，25，25，25，25，25，25 ，
 25，25，25，25，25，25，25，25，25，25，25，25，25， 25美元，25美元，25美元，25美元，25美元，25美元，25美元，25美元，25美元，25美元，25美元，25美元，25美元，25美元，25美元，25美元，25美元，25美元，25美元，25美元，25美元， 25,25,25,25,25,25,25,25,25，
 25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25， 25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25， 25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25， 25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25， 25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25,25， 0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35，0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35， 0.35，0.35，0.35，0.35，0.35，0.35，0.35，0.35，0.35，0.35，0.35，0.35，0.35， 0.35，
 0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35，
 0.3 5,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35，
 0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35，
 0.35， 0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35，
 0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35，
 0.35,0.35， 0.35,0.35,0.35,0.35,0.35,0.35,0.35，
 0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35，
 0.35,0.35,0.35， 0.35,0.35,0.35,0.35,0.35,0.35,0.35，
 0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35，
 0.35,0.35,0.35,0.35， 0.35,0.35,0.35,0.35,0.35,0.35，
 0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35，
 0.35,0.35,0.35,0.35,0.35， 0.35,0.35,0.35,0.35,0.35，
 0.35,0.35,0.35,0.35,0.35,100,100,100,100,100,100，
 100,100,100,100， 100,100,100,100,100,100,100,100,100,100,100,100,100,100,100,100,100,100,100,100,100,100,100,100,100，100,100,100,100,100，100,100,100，100,100,100，100,100,100,100,100，100,100,100，100,100,100,100,100， 100,100,100 ，100,100,100,100,100,100,100，100％，100％，100％，100％，100％，100％，100％，100％，100％，100％，100％，100％ ，100,100,100,100,100,100,100,100,100,100，100,100,100,100,100，100,100,100，100,100,100,100,100，100,100,100,100，100，100,100,100，100,100,100,100,100 b $ b 100，100，100，100，100，100，100，100，100，100，100，100，
 100，100，100，100，100，100，100，100，100，100 ，100，100，
 100，100，100，100，100，100，100，100，100，100，100，100，
 100，100，100，100，100，100，100 ，100,100,100,100,100，100，100，100,100,100,100,100,100,100,100,100,100,100，100,100,100,100,100,100,100,100,100 ，100,100,100,100,100,100,100,100，100％，100％，100％，100％，100％，100％，100％，100％，100％，100％，100％ ，100,100,100,100,100），LCL = c（32,32,32,32,32，
 32,32,32,32,32,32,32,32,32,32,32， 32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32， 32，32，32，32，32，32，32，32，32，32， 32，32，32，32，
 32，32，32，32，32，32，32，32，32，32，32，32，32，32，32，
 32，32， 32，32，32，32，32，32，32，32，32，32，32，32，32，
 32，32，32，32，32，32，32，32，32，32， 32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32， 32，32，32，32，32，32，32，32，32，32，32，32，32，32，
 32，32，32，32，32，32，32，32，32， 32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32，
 32,32,32,32,32,32,32,32,32,32,32,0.8，
， 0.8，0.8，0.8，
 0.8，0.8，0.8，0.8，0.8，0.8，0.8，0.8，0.8，0.8，0.8，0.8，
 0.8，0.8，0.8，0.8，0.8，0.8， 0.8,0.8,0.8,0.8,0.8,0.8，
 0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8，
 0.8,0.8,0.8， 0.8，0.8，0.8，0.8，0.8，0.8，0.8，0.8，0.8，
 0.8，0.8，0.8，0.8，0.8，0.8，0.8，0.8，0.8，0.8，0.8，0.8，
0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8，
 0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8， 0.8，
 0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8，
 0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8， 0.8，0.8，0.8，0.8，
 0.8，0.8，0.8，0.8，0.8，0.8，0.8，0.8，0.8，0.8，0.8，0.8，
 0.8，0.8，0.8，0.8，0.8， 0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.85,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8,0.8％ 0.8，0.8，0.8，0.8，0.8，0.8，0.8，0.8，0.8，360，
 360，360，360，360，360，360，360，360，360，360，360，360，$ b 360美元，360美元，360美元，360美元，360美元，360美元，360美元，360美元，360美元，360美元， 360，360，
 360，360，360，360，360，360，360，360，360，360，360，360，
 360，360，360，360，360，360，360， 360，360，360，360，360，
 360，360，360，360，360，360，360，360，360，360，360，360，
 360，360，360，36 0，360，360，360，360，360，360，360，360，
 360，360，360，360，360，360，360，360，360，360，360，360，
 360，360，360，360，360，360，360，360，360，360，360，360，
 360，360，360，360，360，360，360，360，360，360，360， 360，
 360，360，360，360，360，360，360，360，360，360，360，360，
 360，360，360，360，360，360，360，360， 360,360,360,360,360,360,360,360,360,360,360,360,360,360,360,360,360,360,360,360,360,360,360,360,360,360,360,360,360,360,360,360,360， NAME = c（X，
variable，Area，Campione，zona，value，LCB_pelite ，
LCB，LCL），class =data.frame，row.names = c（NA，-504L））
   
 
这就是我用来生成以下图表的代码（使用旧数据，不使用这些数据）： 
 
 
  ggplot（df）+ 
 stat_ecdf（aes（x = value，color = Area））+ 
 geom_vline（aes（xintercept = LCB_pelite），size = 2，color =red）
  
  
 
 
 
我想要什么do是在图例中添加对 geom_vline 的引用。
 
 
 
换句话说，我想要2图例：第一个是由ggplot自动添加的，第二个应该有另一个标题和 geom_vline 的符号。
 
 
 
我也试着做下面的破解： 
 
 
  ggplot（df）+ 
 stat_ecdf（aes（ x = value，color = Area））+ 
 geom_vline（aes（xintercept = LCB_pella，color =Limit），size = 2）
  
，结果如下： 
 
 
  
 
 
我希望我做了自己清楚.. 
 
 
谢谢 
 
 
 编辑 
 
 
 
我对数据框做了一些黑客，现在看起来像（从上面的sse  dput ）。
 
 
 
然后我将它融化：
 
 
  require（reshape2）
 df_melt< ;-( （df））
  
我写了这段代码：
  require（ggplot2）
 ggplot（df，aes（x = value，color = zona，linetype = factor（LCB_pelite））） + 
 stat_ecdf（）+ 
 facet_wrap（〜variable，scales =free_x）+ 
 geom_vline（aes（xintercept = LCB_pelite），color =red，linetype =dashed） + 
＃geom_vline（aes（xintercept = LCB），color =orangered，linetype =dashed）+ 
＃geom_vline（aes（xintercept = LCL），color =blue dashed）+ 
 scale_linetype（name =Limit）+ 
 guides（linetype = guide_legend（override.aes = list（color =red）））
  
现在我需要的是：
 
 
     
     
  • 在图例中添加其他2  geom_vline （在上面的代码中注释）
    •  
     
  • 调整图例以使元素为（LCB_pelite，LCB，LCL而不是0.2,17和50）
    •  
     
 
 
 
是它可能与ggplot？
 
 
 
谢谢！
解决方案
将 linetype 美学添加到 ggplot 调用中，然后使用指南修复图例中的颜色 /  override.aes ：
  ggplot （df，aes（x = value，color = Area，linetype = factor（LCB_pelite）））+ 
 stat_ecdf（）+ 
 geom_vline（aes（xintercept = LCB_pelite），color =red）+ 
 scale_linetype（name =Limit）+ 
 guides（linetype = guide_legend（override.aes = list（color =red）））
  
请注意 override.aes ：colo  u  r中的拼写与<强>你的（出于某种原因不'颜色在这里工作...）
 
 
 
  
 
I have this data frame:
dput(df)
structure(list(X = c(337L, 338L, 339L, 340L, 341L, 342L, 343L, 
344L, 345L, 346L, 347L, 348L, 349L, 350L, 351L, 352L, 353L, 354L, 
355L, 356L, 357L, 358L, 359L, 360L, 361L, 362L, 363L, 364L, 365L, 
366L, 367L, 368L, 369L, 370L, 371L, 372L, 373L, 374L, 375L, 376L, 
377L, 378L, 379L, 380L, 381L, 382L, 383L, 384L, 385L, 386L, 387L, 
388L, 389L, 390L, 391L, 392L, 393L, 394L, 395L, 396L, 397L, 398L, 
399L, 400L, 401L, 402L, 403L, 404L, 405L, 406L, 407L, 408L, 409L, 
410L, 411L, 412L, 413L, 414L, 415L, 416L, 417L, 418L, 419L, 420L, 
421L, 422L, 423L, 424L, 425L, 426L, 427L, 428L, 429L, 430L, 431L, 
432L, 433L, 434L, 435L, 436L, 437L, 438L, 439L, 440L, 441L, 442L, 
443L, 444L, 445L, 446L, 447L, 448L, 449L, 450L, 451L, 452L, 453L, 
454L, 455L, 456L, 457L, 458L, 459L, 460L, 461L, 462L, 463L, 464L, 
465L, 466L, 467L, 468L, 469L, 470L, 471L, 472L, 473L, 474L, 475L, 
476L, 477L, 478L, 479L, 480L, 481L, 482L, 483L, 484L, 485L, 486L, 
487L, 488L, 489L, 490L, 491L, 492L, 493L, 494L, 495L, 496L, 497L, 
498L, 499L, 500L, 501L, 502L, 503L, 504L, 841L, 842L, 843L, 844L, 
845L, 846L, 847L, 848L, 849L, 850L, 851L, 852L, 853L, 854L, 855L, 
856L, 857L, 858L, 859L, 860L, 861L, 862L, 863L, 864L, 865L, 866L, 
867L, 868L, 869L, 870L, 871L, 872L, 873L, 874L, 875L, 876L, 877L, 
878L, 879L, 880L, 881L, 882L, 883L, 884L, 885L, 886L, 887L, 888L, 
889L, 890L, 891L, 892L, 893L, 894L, 895L, 896L, 897L, 898L, 899L, 
900L, 901L, 902L, 903L, 904L, 905L, 906L, 907L, 908L, 909L, 910L, 
911L, 912L, 913L, 914L, 915L, 916L, 917L, 918L, 919L, 920L, 921L, 
922L, 923L, 924L, 925L, 926L, 927L, 928L, 929L, 930L, 931L, 932L, 
933L, 934L, 935L, 936L, 937L, 938L, 939L, 940L, 941L, 942L, 943L, 
944L, 945L, 946L, 947L, 948L, 949L, 950L, 951L, 952L, 953L, 954L, 
955L, 956L, 957L, 958L, 959L, 960L, 961L, 962L, 963L, 964L, 965L, 
966L, 967L, 968L, 969L, 970L, 971L, 972L, 973L, 974L, 975L, 976L, 
977L, 978L, 979L, 980L, 981L, 982L, 983L, 984L, 985L, 986L, 987L, 
988L, 989L, 990L, 991L, 992L, 993L, 994L, 995L, 996L, 997L, 998L, 
999L, 1000L, 1001L, 1002L, 1003L, 1004L, 1005L, 1006L, 1007L, 
1008L, 1345L, 1346L, 1347L, 1348L, 1349L, 1350L, 1351L, 1352L, 
1353L, 1354L, 1355L, 1356L, 1357L, 1358L, 1359L, 1360L, 1361L, 
1362L, 1363L, 1364L, 1365L, 1366L, 1367L, 1368L, 1369L, 1370L, 
1371L, 1372L, 1373L, 1374L, 1375L, 1376L, 1377L, 1378L, 1379L, 
1380L, 1381L, 1382L, 1383L, 1384L, 1385L, 1386L, 1387L, 1388L, 
1389L, 1390L, 1391L, 1392L, 1393L, 1394L, 1395L, 1396L, 1397L, 
1398L, 1399L, 1400L, 1401L, 1402L, 1403L, 1404L, 1405L, 1406L, 
1407L, 1408L, 1409L, 1410L, 1411L, 1412L, 1413L, 1414L, 1415L, 
1416L, 1417L, 1418L, 1419L, 1420L, 1421L, 1422L, 1423L, 1424L, 
1425L, 1426L, 1427L, 1428L, 1429L, 1430L, 1431L, 1432L, 1433L, 
1434L, 1435L, 1436L, 1437L, 1438L, 1439L, 1440L, 1441L, 1442L, 
1443L, 1444L, 1445L, 1446L, 1447L, 1448L, 1449L, 1450L, 1451L, 
1452L, 1453L, 1454L, 1455L, 1456L, 1457L, 1458L, 1459L, 1460L, 
1461L, 1462L, 1463L, 1464L, 1465L, 1466L, 1467L, 1468L, 1469L, 
1470L, 1471L, 1472L, 1473L, 1474L, 1475L, 1476L, 1477L, 1478L, 
1479L, 1480L, 1481L, 1482L, 1483L, 1484L, 1485L, 1486L, 1487L, 
1488L, 1489L, 1490L, 1491L, 1492L, 1493L, 1494L, 1495L, 1496L, 
1497L, 1498L, 1499L, 1500L, 1501L, 1502L, 1503L, 1504L, 1505L, 
1506L, 1507L, 1508L, 1509L, 1510L, 1511L, 1512L), variable = structure(c(1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L), .Label = c("As", "Cd_totale", "Cr_totale"
), class = "factor"), Area = structure(c(1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 6L, 6L, 1L, 6L, 
6L, 6L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 6L, 1L, 1L, 1L, 1L, 
1L, 2L, 2L, 2L, 2L, 3L, 3L, 1L, 1L, 1L, 1L, 4L, 4L, 5L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 6L, 6L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 3L, 
3L, 4L, 4L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 3L, 3L, 1L, 2L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 6L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 3L, 3L, 4L, 4L, 4L, 
4L, 1L, 1L, 1L, 5L, 5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 1L, 1L, 6L, 
6L, 1L, 6L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 5L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 5L, 5L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 6L, 6L, 
6L, 6L, 1L, 1L, 6L, 6L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 6L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 4L, 1L, 1L, 1L, 1L, 2L, 3L, 
3L, 3L, 3L, 1L, 1L, 1L, 1L, 4L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 
1L, 1L, 1L, 4L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 4L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 6L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L), .Label = c("candiano", "Lido_Spina", "Porto_Corsini", 
"Punta_Marina", "Sito1", "Sito2"), class = "factor"), Campione = structure(c(40L, 
39L, 38L, 155L, 37L, 36L, 153L, 50L, 51L, 156L, 34L, 152L, 73L, 
154L, 75L, 76L, 157L, 41L, 42L, 43L, 44L, 45L, 35L, 47L, 48L, 
49L, 6L, 7L, 13L, 21L, 162L, 164L, 166L, 2L, 8L, 46L, 14L, 165L, 
167L, 23L, 24L, 25L, 26L, 27L, 28L, 29L, 30L, 31L, 12L, 33L, 
150L, 151L, 111L, 74L, 3L, 9L, 15L, 18L, 4L, 10L, 158L, 159L, 
160L, 161L, 17L, 20L, 1L, 126L, 127L, 128L, 52L, 53L, 54L, 55L, 
56L, 57L, 58L, 22L, 163L, 139L, 140L, 141L, 142L, 143L, 144L, 
145L, 146L, 147L, 32L, 149L, 109L, 110L, 72L, 84L, 112L, 113L, 
114L, 115L, 116L, 77L, 16L, 19L, 5L, 11L, 82L, 83L, 61L, 85L, 
86L, 87L, 129L, 130L, 131L, 132L, 133L, 134L, 135L, 59L, 60L, 
123L, 62L, 62L, 63L, 64L, 65L, 66L, 67L, 68L, 148L, 108L, 70L, 
71L, 137L, 124L, 125L, 98L, 99L, 88L, 89L, 117L, 78L, 79L, 80L, 
81L, 122L, 91L, 138L, 97L, 90L, 136L, 100L, 101L, 94L, 102L, 
92L, 93L, 96L, 69L, 103L, 95L, 105L, 119L, 107L, 104L, 118L, 
120L, 121L, 106L, 106L, 109L, 105L, 110L, 108L, 121L, 122L, 102L, 
111L, 107L, 146L, 147L, 104L, 149L, 150L, 112L, 148L, 103L, 145L, 
120L, 117L, 4L, 10L, 123L, 18L, 125L, 126L, 127L, 124L, 129L, 
118L, 119L, 91L, 92L, 93L, 94L, 95L, 96L, 97L, 98L, 99L, 128L, 
101L, 60L, 61L, 62L, 23L, 24L, 25L, 26L, 27L, 28L, 151L, 113L, 
114L, 115L, 116L, 3L, 9L, 15L, 78L, 79L, 80L, 81L, 82L, 83L, 
84L, 85L, 86L, 87L, 130L, 131L, 132L, 133L, 134L, 135L, 136L, 
137L, 138L, 139L, 140L, 100L, 59L, 142L, 143L, 144L, 165L, 62L, 
63L, 64L, 65L, 66L, 67L, 152L, 153L, 154L, 155L, 156L, 157L, 
158L, 159L, 160L, 161L, 40L, 16L, 19L, 5L, 11L, 17L, 20L, 88L, 
89L, 90L, 13L, 21L, 162L, 164L, 166L, 2L, 8L, 12L, 14L, 141L, 
58L, 22L, 163L, 74L, 167L, 76L, 77L, 39L, 41L, 42L, 68L, 69L, 
70L, 71L, 72L, 73L, 7L, 75L, 49L, 50L, 51L, 52L, 53L, 43L, 44L, 
45L, 46L, 1L, 6L, 34L, 48L, 36L, 37L, 38L, 56L, 57L, 54L, 55L, 
29L, 35L, 32L, 33L, 30L, 31L, 47L, 66L, 64L, 62L, 67L, 103L, 
65L, 101L, 63L, 58L, 59L, 60L, 102L, 62L, 99L, 100L, 77L, 37L, 
38L, 39L, 40L, 41L, 42L, 43L, 44L, 61L, 48L, 49L, 50L, 51L, 52L, 
53L, 54L, 55L, 56L, 57L, 12L, 14L, 22L, 163L, 137L, 138L, 165L, 
167L, 23L, 24L, 25L, 68L, 69L, 70L, 71L, 72L, 73L, 74L, 75L, 
76L, 36L, 3L, 9L, 15L, 78L, 79L, 80L, 81L, 82L, 45L, 46L, 47L, 
86L, 87L, 88L, 89L, 90L, 91L, 92L, 93L, 94L, 8L, 135L, 136L, 
97L, 98L, 34L, 139L, 140L, 141L, 142L, 26L, 27L, 28L, 29L, 30L, 
31L, 32L, 33L, 17L, 35L, 154L, 155L, 156L, 18L, 4L, 10L, 16L, 
19L, 83L, 84L, 85L, 110L, 20L, 1L, 6L, 7L, 13L, 21L, 162L, 164L, 
166L, 95L, 96L, 109L, 11L, 111L, 112L, 113L, 114L, 115L, 143L, 
104L, 105L, 106L, 107L, 108L, 5L, 149L, 123L, 124L, 125L, 126L, 
127L, 157L, 158L, 159L, 160L, 161L, 121L, 134L, 153L, 150L, 151L, 
152L, 130L, 131L, 128L, 129L, 148L, 144L, 132L, 2L, 116L, 133L, 
122L, 146L, 147L, 120L, 145L, 118L, 119L, 117L), .Label = c("A_1", 
"A_2", "A_LS", "A_PC", "A_PM", "B_1", "B1_1", "B1_2", "B1_LS", 
"B1_PC", "B1_PM", "B_2", "B2_1", "B2_2", "B2_LS", "B2_PC", "B2_PM", 
"B_LS", "B_PC", "B_PM", "C_1", "C_2", "C386", "C387", "C388", 
"C389", "C390", "C391", "C392", "C393", "C394", "C395", "C396", 
"C397", "C398", "C399", "C400", "C401", "C402", "C403", "C404", 
"C405", "C406", "C407", "C408", "C409", "C410", "C411", "C412", 
"C413", "C414", "C415", "C416", "C417", "C418", "C419", "C420", 
"C421", "C422", "C423", "C424", "C425", "C426", "C427", "C428", 
"C429", "C430", "C431", "C432", "C433", "C434", "C435", "C436", 
"C437", "C438", "C439", "C440", "C441", "C442", "C443", "C444", 
"C445", "C446", "C447", "C448", "C449", "C450", "C451", "C452", 
"C453", "C454", "C455", "C456", "C457", "C458", "C459", "C460", 
"C461", "C462", "C463", "C464", "C465", "C466", "C467", "C468", 
"C469", "C470", "C471", "C472", "C473", "C474", "C475", "C476", 
"C477", "C478", "C479", "C480", "C481", "C482", "C483", "C484", 
"C485", "C486", "C487", "C488", "C489", "C490", "C491", "C492", 
"C493", "C494", "C495", "C496", "C497", "C498", "C499", "C500", 
"C501", "C502", "C503", "C504", "C505", "C506", "C507", "C508", 
"C509", "C510", "C511", "C512", "C513", "C514", "C515", "C516", 
"C517", "C518", "C519", "C520", "C521", "C522", "C523", "C524", 
"D_1", "D_2", "E_1", "E_2", "F_1", "F_2"), class = "factor"), 
    zona = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 2L, 2L, 2L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 
    2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 
    2L, 1L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 
    1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 2L, 2L, 1L, 
    2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 2L, 2L, 2L, 2L, 1L, 1L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    2L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 2L, 
    2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 2L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("campione", 
    "controllo"), class = "factor"), value = c(7.75, 7.83, 8, 
    9, 7.2, 7.5, 6.5, 6.4, 6.2, 8, 7.75, 7.6, 8.5, 7, 8.25, 8.25, 
    9, 7, 7.5, 8.17, 8.75, 6.67, 7.6, 5.83, 6.75, 5.6, 9.48, 
    8.35, 8.37, 7.5, 5.5, 6.45, 6.22, 9.3, 8.62, 7, 6, 6.17, 
    5.71, 9, 8.75, 13.5, 7.75, 7.6, 8.33, 8, 8.75, 7.4, 8, 8.17, 
    6.17, 7, 8.5, 8, 8.45, 7.82, 6, 8.7, 10.1, 8.64, 9, 8, 6.6, 
    6.6, 7, 7.66, 9.19, 7.67, 10, 8, 6.2, 6.2, 6.25, 7, 6, 6, 
    6.4, 7, 7.75, 8, 7, 7, 9, 9, 7.8, 7, 6.17, 7, 8.25, 7, 8.6, 
    6.6, 8.25, 8, 8, 6.5, 6.75, 6.2, 6, 8.25, 6, 8.38, 9.16, 
    7.7, 8, 8, 5.6, 7.67, 7.67, 6.33, 9, 7.5, 7.33, 6.8, 7, 7, 
    8, 6, 5.8, 7, 6, 6, 5.8, 7.25, 8.8, 8.5, 8, 8.25, 7.75, 8.4, 
    8.5, 8.25, 7.25, 6, 7, 7, 7, 6.33, 7, 7, 8, 7.25, 6.67, 7.33, 
    5, 6, 7, 8, 7, 8, 8, 8, 8, 8, 7.67, 8, 8, 8.25, 7, 9.5, 8, 
    6, 8.2, 7, 6.5, 7, 6, 7.8, 0.12, 0.28, 0.12, 0.1, 0.24, 0.1, 
    0.1, 0.12, 0.15, 0.22, 0.13, 0.1, 0.11, 0.1, 0.12, 0.13, 
    0.13, 0.11, 0.1, 0.1, 0.1, 0.15, 0.14, 0.1, 0.15, 0.1, 0.1, 
    0.1, 0.1, 0.1, 0.1, 0.1, 0.07, 0.09, 0.1, 0.1, 0.09, 0.1, 
    0.11, 0.1, 0.08, 0.1, 0.1, 0.11, 0.1, 0.1, 0.15, 0.13, 0.15, 
    0.1, 0.16, 0.13, 0.12, 0.1, 0.1, 0.12, 0.1, 0.14, 0.14, 0.025, 
    0.12, 0.12, 0.11, 0.12, 0.13, 0.13, 0.11, 0.09, 0.1, 0.08, 
    0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.2, 0.13, 0.1, 0.1, 0.1, 0.11, 
    0.09, 0.15, 0.1, 0.1, 0.1, 0.11, 0.09, 0.12, 0.12, 0.12, 
    0.12, 0.16, 0.1, 0.1, 0.1, 0.1, 0.2, 0.15, 0.1, 0.14, 0.12, 
    0.15, 0.025, 0.16, 0.18, 0.16, 0.025, 0.15, 0.08, 0.09, 0.1, 
    0.15, 0.17, 0.11, 0.05, 0.05, 0.12, 0.15, 0.12, 0.025, 0.1, 
    0.11, 0.17, 0.16, 0.12, 0.05, 0.12, 0.12, 0.13, 0.17, 0.13, 
    0.14, 0.12, 0.12, 0.11, 0.12, 0.13, 0.15, 0.12, 0.12, 0.1, 
    0.1, 0.12, 0.1, 0.13, 0.13, 0.18, 0.1, 0.14, 0.12, 0.1, 0.1, 
    0.18, 0.2, 0.15, 0.1, 0.11, 0.13, 0.11, 0.24, 0.16, 0.13, 
    0.15, 0.15, 0.22, 0.1, 85.75, 63.25, 43.6, 84.5, 84, 95.4, 
    98, 35.6, 79.6, 71.6, 73.2, 84, 54, 89, 99, 94.75, 70.6, 
    92.25, 84.83, 78.5, 70.17, 92.5, 94.67, 93.75, 75.2, 64.75, 
    66, 75.6, 82.4, 80.2, 78.8, 81, 79, 75.6, 79.2, 85.9, 57, 
    93.9, 97.9, 96.25, 84, 53.9, 56.1, 108.5, 111.75, 104.5, 
    78.25, 82.75, 87.25, 86.05, 85, 96, 102.25, 100.5, 100, 77, 
    84.3, 83.9, 52, 90.67, 85.75, 76.67, 86.33, 93.67, 70.5, 
    86.6, 77.67, 86.33, 74, 73.67, 86.67, 87.5, 72, 89.67, 93, 
    95, 93.5, 96, 88, 91, 86, 104.5, 90, 86.5, 85, 100.25, 81.25, 
    93.2, 109.75, 105, 104, 87.8, 99.75, 92.67, 47, 88.2, 73, 
    95, 94, 98.7, 100.4, 91.5, 63, 94.2, 89.33, 90.33, 83.67, 
    75.6, 86.8, 99.7, 90, 88.7, 88.4, 99.8, 76.4, 57.8, 52.5, 
    93, 91, 108, 91.5, 105, 98, 69.5, 79.75, 68.6, 103, 81, 90, 
    101.2, 102.6, 96.6, 100.8, 81, 90, 65, 79, 102.67, 102, 107, 
    107.5, 93, 70.2, 70.2, 67, 90.33, 71.5, 61.17, 64.6, 84.8, 
    87.5, 96.67, 76, 101, 100.75, 97.8, 77.4, 83.4, 79, 79, 55, 
    59.33, 98, 95.25, 82, 87, 70, 91), LCB_pelite = c(17, 17, 
    17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 
    17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 
    17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 
    17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 
    17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 
    17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 
    17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 
    17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 
    17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 
    17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 
    17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 
    17, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 
    0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 
    0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 
    0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 
    0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 
    0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 
    0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 
    0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 
    0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 
    0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 
    0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 
    0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 
    0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 
    0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 
    0.2, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 
    50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 
    50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 
    50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 
    50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 
    50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 
    50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 
    50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 
    50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 
    50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 
    50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 50, 
    50, 50, 50, 50, 50), LCB = c(25, 25, 25, 25, 25, 25, 25, 
    25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 
    25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 
    25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 
    25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 
    25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 
    25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 
    25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 
    25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 
    25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 
    25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 
    25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 25, 0.35, 0.35, 0.35, 
    0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 
    0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 
    0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 
    0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 
    0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 
    0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 
    0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 
    0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 
    0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 
    0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 
    0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 
    0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 
    0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 
    0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 
    0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 
    0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 0.35, 
    0.35, 0.35, 0.35, 0.35, 0.35, 100, 100, 100, 100, 100, 100, 
    100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 
    100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 
    100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 
    100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 
    100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 
    100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 
    100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 
    100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 
    100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 
    100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 
    100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 
    100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 
    100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 
    100, 100, 100, 100, 100, 100), LCL = c(32, 32, 32, 32, 32, 
    32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 
    32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 
    32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 
    32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 
    32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 
    32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 
    32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 
    32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 
    32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 
    32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 
    32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 32, 0.8, 
    0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 
    0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 
    0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 
    0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 
    0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 
    0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 
    0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 
    0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 
    0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 
    0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 
    0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 
    0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 
    0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 
    0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 0.8, 360, 
    360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 
    360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 
    360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 
    360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 
    360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 
    360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 
    360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 
    360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 
    360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 
    360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 
    360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 
    360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 
    360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 
    360, 360, 360, 360, 360, 360, 360, 360, 360, 360, 360)), .Names = c("X", 
"variable", "Area", "Campione", "zona", "value", "LCB_pelite", 
"LCB", "LCL"), class = "data.frame", row.names = c(NA, -504L))

and that's the code I used to produce the following plot (with the old data, no with these):
ggplot(df)+
  stat_ecdf(aes(x=value, color=Area))+
  geom_vline(aes(xintercept=LCB_pelite), size=2, color="red")




What I'd like to do is to add in the legend the reference to geom_vline.



In other words, I'd like to have 2 legend: the first is that one automatically added by ggplot while the second one should have another title and the symbol of geom_vline.



I also tried to do the following hack:
ggplot(df)+
    stat_ecdf(aes(x=value, color=Area))+
    geom_vline(aes(xintercept=LCB_pelite, color="Limit"), size=2)

with the following result:






but it has 2 problems: the first is that the color in randomly chosen by ggplot and the second problem is that the symbol is inside the old legend while I need it in a separate legend.



I hope I made myself clear..



Thanks



EDIT



I made some "hacks" to my dataframe and now it looks like (sse dput from above).



Then I melt it:
require("reshape2")
df_melt<-(melt(df))

and I've written this piece of code:
require("ggplot2")
ggplot(df, aes(x=value, color=zona, linetype = factor(LCB_pelite)))+
    stat_ecdf()+
    facet_wrap(~variable, scales="free_x" ) +
    geom_vline(aes(xintercept=LCB_pelite), color="red", linetype="dashed") +
#     geom_vline(aes(xintercept=LCB), color="orangered", linetype="dashed") +
#     geom_vline(aes(xintercept=LCL), color="blue", linetype="dashed") +
    scale_linetype(name = "Limit") +
    guides(linetype = guide_legend(override.aes = list(colour = "red")))

What I'd need now is:



    

  • add the other 2 geom_vline (commented in the code from above) in the legend
    • 

  • adjust the legend in order that the elements are (LCB_pelite, LCB, LCL and not 0.2, 17 and 50)
    • 




is it possible with ggplot?



Thanks!
 解决方案 
You may add a linetype aesthetics to the ggplot call, and then fix the color in the legend using guides / override.aes:
ggplot(df, aes(x = value, color = Area, linetype = factor(LCB_pelite))) +
  stat_ecdf() +
  geom_vline(aes(xintercept = LCB_pelite), color = "red") +
  scale_linetype(name = "Limit") +
  guides(linetype = guide_legend(override.aes = list(colour = "red")))

Please note the spelling in override.aes: colour with u (for some reason doesn't 'color' work here...)  





                        
这篇关于为geom_vline添加单独的图例的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
查看全文
相关文章
其他开发最新文章
热门教程
热门工具
登录 关闭
扫码关注1秒登录
发送“验证码”获取 | 15天全站免登陆