R语言lty参数详解：线型取值、底层逻辑与多线图实战

1. 为什么lty参数值得单独拿出来讲

R语言的基础绘图系统里，lty这个参数看起来毫不起眼，但它是我见过被问得最多的细节之一。新手画折线图时经常遇到一个尴尬场景：两条线叠在一起，颜色选了红和蓝，打印出来变成灰度图后完全分不清谁是谁。这时候老手会告诉你，把其中一条线的lty改成虚线就行了。问题解决了，但新的问题来了——lty到底能填哪些值？填数字和填字符串有什么区别？为什么我填了lty=3出来的效果和教程里不一样？

这篇文章就是要把lty这个参数彻底讲透。它属于R基础绘图系统（base R graphics）中控制线条类型的核心参数，适用于plot()、lines()、abline()、segments()、rect()等几乎所有涉及线条绘制的函数。不管你是刚接触R的学生，还是已经用惯了ggplot2但偶尔需要回到基础绘图的老用户，把lty的取值规则、不同设备上的表现差异、以及和其他线型参数的配合方式搞清楚，都能让你在出图时少走很多弯路。

我自己的经验是，lty的坑主要集中在三个地方：一是数字和字符串的对应关系记混，二是不同输出设备（屏幕、PDF、PNG）对线型的渲染不一致，三是lwd（线宽）和lty配合时产生的视觉偏差。下面我会按照“先搞清取值体系，再理解底层逻辑，然后看实际效果，最后解决常见问题”的顺序，把这些问题一个一个拆开。

2. lty参数的完整取值体系

2.1 数字取值：0到6的七种基本线型

R的基础绘图系统中，lty参数接受数字0到6，每个数字对应一种预定义的线型。这个对应关系是固定的，但不同资料里的描述方式不太一样，我直接给一个最清晰的对照表：

这里有个细节值得注意：lty=0和lty="blank"效果一样，都是不画线。但很多人不知道的是，当你设置lty=0时，lines()函数仍然会“绘制”这条线，只是看不见而已。这意味着如果你后续要在这个位置添加图例，图例中的线条也会是空白的。如果你只是想临时隐藏某条线，用lty=0没问题；但如果你希望图例中显示线型但图中不画，那就需要另想办法了。

另一个容易混淆的点是：数字0到6是索引值，不是线型的“长度”或“密度”。比如lty=2是短虚线，lty=5是长虚线，但你不能通过lty=2.5来得到一个“中等长度虚线”。R会直接报错或者忽略小数部分。我试过传lty=2.5，R没有报错，但实际效果和lty=2一样，小数部分被截断了。所以老老实实用整数。

2.2 字符串取值：可读性更好的替代方案

除了数字，lty还接受字符串形式的取值。字符串和数字是一一对应的：

• "blank"对应 0
• "solid"对应 1
• "dashed"对应 2
• "dotted"对应 3
• "dotdash"对应 4
• "longdash"对应 5
• "twodash"对应 6

用字符串的好处是代码可读性更高。你写lty="dashed"，半年后回来看代码，一眼就知道这是虚线；写lty=2，可能还得想一下2是啥。但字符串也有个坑：不同版本的R或者不同的绘图设备对字符串的解析可能略有差异。我遇到过在某个Linux环境下lty="longdash"渲染出来和lty="dashed"几乎一样的情况，后来查了一下是设备驱动对长虚线的定义不同。所以如果你要跨平台出图，建议用数字，或者至少在目标设备上先测试一下。

还有一个冷知识：lty参数其实可以接受自定义的十六进制字符串来定义线型模式。比如lty="44"表示“画4个单位、空4个单位”循环，lty="13"表示“画1个单位、空3个单位”。这个用法在R的文档里提到过，但用的人不多。它的原理是：字符串中的每个数字代表一段实线的长度，相邻数字之间自动插入空白。比如"44"就是实线4、空白4、实线4、空白4……"123"就是实线1、空白2、实线3、空白1、空白2、实线3……等等，这里要小心，"123"的解析方式是：实线1、空白2、实线3，然后循环。所以实际模式是“1实2空3实2空1实2空3实……”。这个机制在需要非常精细的线型区分时很有用，比如你要在一张图里放6条线，基本线型不够用了，就可以用自定义模式。

2.3 数字与字符串的混用规则

R允许在同一个绘图函数中混用数字和字符串吗？答案是：在向量化参数中，R会尝试统一处理。比如你写lty=c(1, "dashed", 3)，R会把整个向量强制转换为字符型，然后1变成"1"，"dashed"保持，3变成"3"。但"1"和"dashed"在内部解析时走的是不同分支，所以最终效果是：第一条线实线，第二条线虚线，第三条线点线。看起来没问题，但如果你写lty=c(1, 2, 3)，R会保持数字型，效果一样。混用不会报错，但为了代码清晰，建议统一用一种类型。

我个人的习惯是：在快速探索性绘图时用数字，因为打字快；在最终出图脚本里用字符串，因为可读性好。这个习惯供你参考。

3. lty背后的底层逻辑：它是怎么画出来的

3.1 线型模式的单位是什么

理解lty的关键在于搞清楚“一个单位”到底有多长。在R的基础绘图系统中，线型模式（dash pattern）的长度单位是线宽（lwd）的倍数。也就是说，如果你设置lwd=2，那么lty="dashed"中的“短虚线”每一段的长度也会相应放大。

这个设计是有道理的：线越粗，如果虚线的段长不变，看起来就会像一串密集的点，失去虚线的视觉效果。所以R自动把线型模式与线宽绑定，保证在不同线宽下线型都能保持可辨识度。

但这也带来一个问题：当你把lwd设得很大（比如lwd=5）时，lty="dotted"的点线会变成一个个很粗的短棒，看起来像虚线而不是点线。这时候你可能需要换用lty="dashed"或者自定义更短的模式。我试过在lwd=4的情况下用lty=3，出来的效果更像是一串小方块，而不是点。后来改成lty="11"（实线1、空白1）才勉强像点线。所以记住：线宽越大，越要选择段长更短的线型模式。

3.2 不同绘图设备对lty的渲染差异

这是lty最让人头疼的地方。同样的代码，在RStudio的绘图窗口、PDF输出、PNG输出、以及PostScript输出中，线型可能看起来不一样。原因在于不同设备对线型模式的支持程度不同。

屏幕设备（如windows()、x11()、quartz()）通常支持所有7种基本线型，渲染效果比较标准。PDF设备（pdf()）也支持得不错，但长虚线（lty=5）在PDF中可能会被渲染成和短虚线差不多的样子，因为PDF的线型定义方式不同。PNG设备（png()）依赖于底层的图形库，在Linux和Windows上可能表现不一致。PostScript设备（postscript()）对线型的支持最完整，但文件体积会大一些。

我的经验是：如果你要出PDF图，尽量用lty=1到lty=4，避免lty=5和lty=6，因为这两个在PDF中辨识度不高。如果必须用6种线型，考虑用自定义模式，比如lty="73"、lty="55"等，这样在不同设备上的一致性更好。

还有一个坑：当你把图输出为高分辨率PNG时，如果lwd设得太小（比如lwd=0.5），虚线可能会因为抗锯齿而变得模糊，看起来像实线。这时候要么加大lwd，要么换用点线。我一般建议在PNG输出时lwd至少设为1.5，这样线型清晰可辨。

3.3 lty与lwd、col的交互影响

lty不是孤立起作用的，它和lwd（线宽）、col（颜色）一起决定了线条的最终视觉效果。这三个参数的交互有几个值得注意的点：

第一，lwd影响lty的段长，这个前面说过了。第二，col影响线型的可辨识度。浅色线条的虚线比深色线条的虚线更难辨认，因为浅色降低了对比度。如果你用浅灰色画虚线，建议把lwd调大一点，或者改用点线。第三，当多条线重叠时，lty的区分效果取决于线宽。细线用不同lty区分效果很好，但粗线（lwd>3）用不同lty反而可能因为段长太大而看起来像断断续续的实线。

我做过一个测试：在同一张图上画4条线，分别用lty=1,2,3,4，lwd=1时区分度很好；lwd=3时，lty=2和lty=4开始变得相似；lwd=5时，只有lty=1和lty=3还能明显区分。所以如果你要用多种线型，控制线宽在1到2之间是最稳妥的。

4. 实操：用lty画出可辨识的多线图

4.1 基础示例：4条线的折线图

先来看一个最基础的例子，用lty区分4条数据系列：

# 构造示例数据 x <- 1:10 y1 <- cumsum(rnorm(10)) y2 <- cumsum(rnorm(10)) y3 <- cumsum(rnorm(10)) y4 <- cumsum(rnorm(10)) # 绘图 plot(x, y1, type = "l", lty = 1, lwd = 2, ylim = range(c(y1, y2, y3, y4)), xlab = "时间", ylab = "数值", main = "四种线型对比") lines(x, y2, lty = 2, lwd = 2) lines(x, y3, lty = 3, lwd = 2) lines(x, y4, lty = 4, lwd = 2) # 添加图例 legend("topright", legend = c("系列A", "系列B", "系列C", "系列D"), lty = c(1, 2, 3, 4), lwd = 2)

这段代码里，lty分别用了1、2、3、4，对应实线、短虚线、点线、点划线。lwd=2让线条足够粗，线型清晰可见。图例中的lty参数和绘图中的保持一致，这样读者能准确对应。

这里有个细节：legend()函数中的lty参数如果和plot()中的不一致，图例会误导读者。我见过有人绘图用lty=2，图例却写了lty=1，结果图例显示实线但图中是虚线。这种错误在代码审查时很难发现，因为图例和线条是分开设置的。建议把线型定义成变量，绘图和图例都引用同一个变量：

line_types <- c(1, 2, 3, 4) plot(x, y1, type = "l", lty = line_types[1], lwd = 2, ...) lines(x, y2, lty = line_types[2], lwd = 2) # ... legend("topright", legend = c("A", "B", "C", "D"), lty = line_types, lwd = 2)

这样改线型时只需要改一个地方，不容易出错。

4.2 进阶：自定义线型模式

当基本线型不够用时，可以用自定义模式。比如你要画6条线，基本线型只有7种（包括blank），但其中lty=0不能用，实际只有6种可用。如果6种还不够，或者你想让某条线有独特的节奏，就可以用自定义模式。

自定义模式的写法是：lty="XY"，其中X和Y是数字，表示实线长度和空白长度。比如：

# 自定义线型示例 plot(1:10, type = "n", xlab = "", ylab = "", main = "自定义线型") lines(1:10, rep(8, 10), lty = "11", lwd = 2) # 点线效果 lines(1:10, rep(7, 10), lty = "22", lwd = 2) # 短虚线 lines(1:10, rep(6, 10), lty = "44", lwd = 2) # 中虚线 lines(1:10, rep(5, 10), lty = "88", lwd = 2) # 长虚线 lines(1:10, rep(4, 10), lty = "13", lwd = 2) # 点划线 lines(1:10, rep(3, 10), lty = "31", lwd = 2) # 划点线 lines(1:10, rep(2, 10), lty = "123", lwd = 2) # 复杂模式

这里lty="11"的效果和lty=3（点线）类似，但段长更短，看起来更像点。lty="123"的模式是：实线1、空白2、实线3、空白1、实线2、空白3……循环。这种复杂模式在需要高度区分时很有用，但要注意不要用太多，否则图例会变得难以阅读。

自定义模式的一个限制是：它只接受数字字符，不能有字母或符号。lty="1a"会报错。另外，模式字符串的长度没有硬性限制，但太长的模式在渲染时可能会被截断。我试过lty="123456789"，在PDF中渲染正常，但在PNG中最后几段被忽略了。所以建议模式字符串不超过6个字符。

4.3 参数选择的计算过程

假设你要画一张图，里面有5条线，线宽统一为lwd=2，输出为PDF。你需要选择5种线型，使得它们在PDF中都能清晰区分。怎么选？

第一步，排除lty=0（blank），因为你要画线。剩下1到6，共6种。第二步，考虑PDF对lty=5和lty=6的渲染可能不理想，所以优先用1到4。第三步，如果1到4只有4种，不够5条线，那就需要引入自定义模式。第四步，自定义模式的选择要遵循“段长与线宽匹配”原则：lwd=2时，段长在2到4之间比较合适。所以可以选lty="22"、lty="33"、lty="44"等。

最终方案可以是：lty=1、lty=2、lty=3、lty=4、lty="33"。这样5种线型在PDF中都能区分。如果你觉得lty="33"和lty=2太像，可以改成lty="55"，但要注意PDF对长虚线的渲染。我实测下来，lty="55"在PDF中比lty=5更清晰，因为自定义模式的段长是明确的，不依赖设备的默认定义。

还有一个计算细节：当lwd变化时，自定义模式的段长也会按比例缩放。所以如果你在屏幕上用lwd=1调试，然后输出PDF时改成lwd=2，线型的视觉效果会变化。建议在最终输出设备上直接调试线型，不要在屏幕上调好了再换设备。

5. 常见问题与排查技巧实录

5.1 为什么我的lty设置没生效

这是最常见的问题。你写了lty=2，但画出来的线还是实线。可能的原因有：

第一，你设置的lty被后面的参数覆盖了。比如plot(x, y, type="l", lty=2, lty=1)，后面的lty=1会覆盖前面的。R不会报错，只会用最后一个值。检查代码中是否有重复的lty参数。

第二，你用的绘图函数不支持lty。比如barplot()虽然可以画边框，但边框的线型需要用border参数配合，而不是直接传lty。hist()的边框线型也是通过border参数控制的。如果你不确定某个函数是否支持lty，查一下文档的“Graphical Parameters”部分。

第三，你设置的lty值超出了范围。比如lty=7，R会忽略这个值，使用默认的lty=1。lty=NA也会导致默认值。检查你的lty值是否在0到6之间，或者是合法的字符串。

第四，你用的输出设备不支持该线型。比如某些老旧的图形设备可能只支持实线和虚线，其他线型会被渲染成实线。换一个设备试试，比如从png()换成pdf()。

第五，你的线条被其他图形元素遮挡了。比如你画了一条虚线，但上面又画了一条实线，虚线被盖住了。检查绘图顺序，确保需要显示的线条最后画。

5.2 不同设备下线型不一致怎么办

这个问题没有完美的解决方案，但有几个缓解策略：

策略一：统一使用数字值，避免字符串。数字值在不同设备上的解析更一致。

策略二：避免使用lty=5和lty=6，这两个在不同设备上差异最大。如果必须用6种线型，用自定义模式替代。

策略三：在最终输出设备上预览。不要只在RStudio的绘图窗口里看，要实际生成PDF或PNG，打开文件检查线型效果。

策略四：如果线型实在无法区分，考虑用颜色或点形状（pch）来辅助区分。lty不是唯一的区分手段，组合使用效果更好。

我自己的做法是：对于需要印刷或正式发布的图，只用lty=1、lty=2、lty=3三种，配合颜色和点形状，足够区分6到8条线。对于屏幕展示的图，可以用到lty=4和自定义模式。这个策略牺牲了一些线型多样性，但换来了跨设备的一致性。

5.3 lty与图例不匹配的排查

图例中的线型和图中的线型不一致，通常是因为图例的lty参数没有和绘图同步。排查步骤：

第一步，检查图例的lty向量长度是否和legend标签长度一致。如果标签有4个，lty向量只有3个，R会循环使用，导致错位。

第二步，检查图例的lty值是否和绘图中的值一一对应。建议把线型定义成命名向量，绘图和图例都从这个向量取值。

第三步，如果图中用了自定义线型，图例也要用相同的自定义字符串。比如图中lty="33"，图例也要写lty="33"，不能写lty=2。

第四步，检查图例的lwd是否和图中一致。如果图中lwd=2，图例lwd=1，线型的视觉效果会不同，可能看起来不匹配。

下面是一个排查速查表：

5.4 独家避坑技巧

技巧一：在脚本开头定义线型常量。比如LT_SOLID <- 1、LT_DASHED <- 2，后面都用常量。这样改线型时只需要改一处，而且代码可读性好。

技巧二：用par()设置全局线型。如果你整张图都用同一种线型，可以在par()中设置lty，这样所有绘图函数都会继承这个值。但要注意，par()的设置会影响后续所有图，记得在绘图结束后重置。

技巧三：测试线型时用abline()快速预览。abline(h=1:6, lty=1:6, lwd=2)可以在一张图上快速展示6种线型的效果，比反复修改plot()参数快得多。

技巧四：对于PDF输出，用pdf()的useDingbats参数。这个参数默认是TRUE，会使用Dingbats字体来渲染点线，效果更清晰。如果点线看起来奇怪，试试设为FALSE。

技巧五：在R Markdown中输出时，注意fig.dev参数。不同的fig.dev（如png、pdf、svg）对线型的渲染不同。如果发现线型不对，检查chunk选项中的dev设置。

6. 和其他绘图系统的对比

6.1 base R与ggplot2的线型设置差异

ggplot2的线型设置和base R完全不同。ggplot2用linetype参数，取值也是0到6，但对应关系和base R不一样。比如ggplot2中linetype=1是实线，linetype=2是虚线，linetype=3是点线，这个和base R一致。但ggplot2的linetype=4是点划线，linetype=5是长虚线，linetype=6是双虚线，这个也和base R一致。所以基本对应关系是相同的。

但ggplot2的线型渲染依赖于底层图形设备，和base R一样存在设备差异。另外，ggplot2的linetype可以用字符串，比如"solid"、"dashed"、"dotted"等，这个和base R也类似。

最大的区别是：ggplot2的线型模式不能自定义。你只能用预定义的几种，不能像base R那样写lty="33"。所以如果你需要高度自定义的线型，base R是更好的选择。

6.2 lattice包的线型设置

lattice包的线型设置用lty参数，取值和base R一样。但lattice的默认主题可能会覆盖你的设置，所以有时候你设了lty=2但出来的还是实线。这时候需要检查trellis.par.get()中的plot.line设置，或者用par.settings参数显式指定线型。

lattice的一个优势是它自动处理多面板图的线型循环。如果你有多个面板，每个面板有多条线，lattice会自动分配不同的线型，不需要手动设置。这个在base R中需要自己写循环。

6.3 选择建议

如果你需要精细控制线型，尤其是自定义模式，用base R。如果你需要快速出图，且线型需求不复杂，用ggplot2。如果你需要多面板图且希望自动处理线型，用lattice。

我个人的工作流是：探索性分析用ggplot2，因为快；最终出图用base R，因为控制精细。这个组合用了好几年，效率很高。

7. 实际项目中的线型策略

7.1 学术论文图表的线型选择

学术论文通常要求图在黑白打印下也能区分。这意味着不能依赖颜色，必须用线型和点形状来区分。我的策略是：

• 2条线：实线 + 虚线
• 3条线：实线 + 虚线 + 点线
• 4条线：实线 + 虚线 + 点线 + 点划线
• 5条线：实线 + 虚线 + 点线 + 点划线 + 自定义长虚线
• 6条线：实线 + 虚线 + 点线 + 点划线 + 自定义长虚线 + 自定义双虚线

超过6条线时，考虑分成多个子图，或者用点形状辅助区分。学术论文中，线型太多反而会让读者困惑，所以尽量控制在4种以内。

7.2 商业报告图表的线型选择

商业报告通常用彩色输出，线型的区分压力小一些。但为了投影效果，线型仍然重要。我的策略是：

• 主数据系列用实线，线宽稍大
• 次要数据系列用虚线或点线
• 参考线用点线，颜色浅一些
• 预测线用长虚线，表示不确定性

商业报告中，线型的选择要服务于信息层级。重要的线用实线，次要的线用虚线，辅助的线用点线。这样读者一眼就能看出主次关系。

7.3 线型与颜色的配合原则

线型和颜色是互补的。如果颜色已经能区分，线型可以统一用实线；如果颜色区分度不够（比如黑白打印），线型就要承担区分任务。我的原则是：

• 颜色区分度高时，线型统一用实线，保持图面整洁
• 颜色区分度低时，线型多样化，但不超过4种
• 颜色和线型都多样化时，注意不要超过6种组合，否则图例会混乱
• 浅色线条用实线，深色线条可以用虚线或点线

这个原则在大多数场景下都适用。你可以根据实际效果微调。

8. 一些容易被忽略的细节

8.1 lty在abline中的特殊行为

abline()函数是画参考线的常用工具。它的lty参数和plot()一样，但有一个特殊行为：abline()的lty参数可以接受向量，但只会使用第一个值。比如abline(h=c(1,2,3), lty=c(1,2,3))，三条水平线都会用lty=1，而不是分别用1、2、3。如果你想让三条线用不同线型，需要分三次调用abline()。

这个行为在R的文档中没有明确说明，我是在实际使用中发现的。当时我想画三条不同线型的参考线，结果全是实线，查了半天才发现是abline()的限制。后来改成：

abline(h = 1, lty = 1) abline(h = 2, lty = 2) abline(h = 3, lty = 3)

这样就正常了。

8.2 lty在segments和arrows中的表现

segments()和arrows()函数也支持lty参数，但它们的lty是向量化的，可以为每条线段指定不同的线型。比如：

segments(x0 = c(1, 2, 3), y0 = c(1, 2, 3), x1 = c(4, 5, 6), y1 = c(4, 5, 6), lty = c(1, 2, 3))

这样三条线段分别用实线、虚线、点线。这个特性在画网络图或流程图时很有用。

但要注意：arrows()的箭头部分不受lty影响，箭头始终是实线。如果你想让箭头也变成虚线，需要单独设置lty，但实际效果可能不理想。我试过arrows(lty=2)，箭头的杆是虚线，但箭头头还是实线，看起来有点奇怪。所以如果要用虚线箭头，建议用segments()画杆，用points()画箭头头。

8.3 lty在rect和polygon中的边界线型

rect()和polygon()函数可以画矩形和多边形，它们的边界线型用lty参数控制。但这两个函数的lty只影响边界，不影响填充。如果你设置lty=0，边界会消失，但填充还在。这个特性在画热力图或区域图时很有用。

我遇到过一个问题：用rect()画多个矩形，每个矩形的边界线型不同，但rect()的lty是向量化的，可以为每个矩形指定不同的线型。但如果你同时设置了border=NA，lty会被忽略。所以如果你想隐藏边界但保留填充，用border=NA；如果你想显示边界但用特定线型，用lty和border配合。

8.4 lty在par()中的全局设置

par(lty=2)可以设置全局线型，之后所有绘图函数都会用这个线型，除非在函数中显式覆盖。这个特性在批量出图时很有用，但也很危险：如果你忘了重置，后续所有图都会用虚线。

我的做法是：在脚本开头保存原始参数op <- par(lty=1)，在脚本结尾恢复par(op)。这样即使中间改了全局线型，最后也能恢复。如果你在R Markdown中出图，每个chunk都是独立的，全局设置不会跨chunk生效，所以不用担心。

9. 线型调试的实用工作流

9.1 快速预览所有线型

我经常用下面这段代码快速预览所有线型的效果：

# 快速预览线型 op <- par(mar = c(2, 2, 2, 1)) plot(1:10, type = "n", xlab = "", ylab = "", main = "线型预览", ylim = c(0, 8)) for (i in 1:6) { lines(1:10, rep(i, 10), lty = i, lwd = 2) text(1, i, paste("lty =", i), pos = 4, cex = 0.8) } par(op)

这段代码会在一张图上画出6种线型，每种线型旁边标注对应的数字。我通常在确定最终线型之前跑一遍，看看在当前设备上哪种线型最清晰。

9.2 在不同设备上测试

确定线型后，我会在目标设备上测试。比如如果最终输出是PDF，我会：

pdf("test_lty.pdf", width = 6, height = 4) # 绘图代码 dev.off()

然后打开PDF文件检查线型。如果发现某种线型不清晰，就换一种，重新生成PDF。这个过程可能需要重复两三次，但能确保最终效果。

9.3 线型与图例的联合调试

图例是线型调试的最后一步。我通常先把图例加上，然后检查图例中的线型是否和图中一致。如果不一致，调整图例的lty参数。有时候图例中的线型看起来和图中不一样，是因为图例的线宽和图中的线宽不同。这时候需要把图例的lwd也设成和图中一样。

下面是一个联合调试的示例：

# 定义线型 lt <- c(1, 2, 3, 4) lw <- 2 # 绘图 plot(1:10, type = "n", ylim = c(0, 5)) for (i in 1:4) { lines(1:10, rep(i, 10), lty = lt[i], lwd = lw) } # 图例 legend("topright", legend = paste("系列", 1:4), lty = lt, lwd = lw, cex = 0.8)

这样图例和图中的线型、线宽完全一致，不会出现不匹配的问题。

10. 最后分享几个实战心得

第一个心得：线型的选择要考虑输出媒介。屏幕展示的图可以用细线和小段长，印刷的图要用粗线和大段长。我一般屏幕用lwd=1.5，印刷用lwd=2.5。

第二个心得：不要在一张图里用超过4种线型。超过4种，读者很难记住哪种线型对应哪个系列。如果确实需要区分更多系列，用颜色或分图。

第三个心得：线型的调试要趁早。不要等到图都画完了才调线型，那时候改起来很麻烦。我通常在画第一版图时就确定线型，后面只微调。

第四个心得：保存一份线型配置。我有个line_types.R文件，里面定义了常用的线型组合，比如lt_2lines <- c(1, 2)、lt_3lines <- c(1, 2, 3)等。每次画图时source()一下，直接用这些配置，省时省力。

第五个心得：如果线型实在调不好，考虑用点形状（pch）辅助。有时候线型区分度不够，但加上不同的点形状后，区分度立刻提升。这个技巧在多线图中特别有用。

线型这个参数，说小也小，说大也大。小到只是一个参数，大到影响整张图的可读性。花点时间把它搞清楚，后面画图会顺畅很多。