在构建多层图时，应该考虑ggplot包。这个想法是创建一个具有基本美学的图形对象，并逐步增强它。

Ggplot样式要求数据打包在data.frame中。

# Data generation
x  <- seq(-2, 2, 0.05)
y1 <- pnorm(x)
y2 <- pnorm(x,1,1)
df <- data.frame(x,y1,y2)

基本的解决方案:

require(ggplot2)

ggplot(df, aes(x)) +                    # basic graphical object
  geom_line(aes(y=y1), colour="red") +  # first layer
  geom_line(aes(y=y2), colour="green")  # second layer

这里的+运算符用于向基本对象添加额外的层。

使用ggplot，您可以在绘图的每个阶段访问图形对象。比如，通常的一步一步设置是这样的:

g <- ggplot(df, aes(x))
g <- g + geom_line(aes(y=y1), colour="red")
g <- g + geom_line(aes(y=y2), colour="green")
g

G生成图形，你可以在每个阶段看到它(至少在创建一个图层之后)。情节的进一步魅力也与创造的对象。例如，我们可以为坐标轴添加标签:

g <- g + ylab("Y") + xlab("X")
g

最后的g看起来像:

更新(2013-11-08):

正如评论中所指出的，ggplot的理念建议使用长格式的数据。 您可以参考这个答案以查看相应的代码。

在构建多层图时，应该考虑ggplot包。这个想法是创建一个具有基本美学的图形对象，并逐步增强它。

Ggplot样式要求数据打包在data.frame中。

# Data generation
x  <- seq(-2, 2, 0.05)
y1 <- pnorm(x)
y2 <- pnorm(x,1,1)
df <- data.frame(x,y1,y2)

基本的解决方案:

require(ggplot2)

ggplot(df, aes(x)) +                    # basic graphical object
  geom_line(aes(y=y1), colour="red") +  # first layer
  geom_line(aes(y=y2), colour="green")  # second layer

这里的+运算符用于向基本对象添加额外的层。

使用ggplot，您可以在绘图的每个阶段访问图形对象。比如，通常的一步一步设置是这样的:

g <- ggplot(df, aes(x))
g <- g + geom_line(aes(y=y1), colour="red")
g <- g + geom_line(aes(y=y2), colour="green")
g

G生成图形，你可以在每个阶段看到它(至少在创建一个图层之后)。情节的进一步魅力也与创造的对象。例如，我们可以为坐标轴添加标签:

g <- g + ylab("Y") + xlab("X")
g

最后的g看起来像:

更新(2013-11-08):

正如评论中所指出的，ggplot的理念建议使用长格式的数据。 您可以参考这个答案以查看相应的代码。

使用matplot函数:

matplot(x, cbind(y1,y2),type="l",col=c("red","green"),lty=c(1,1))

如果y和y在相同的x点上求值，就用这个。它缩放y轴以适应哪个更大(y1或y2)，不像这里的一些其他答案，如果y2大于y1，就会剪辑y2 (ggplot解决方案大多数都可以接受这一点)。

或者，如果两条线没有相同的x坐标，在第一个图上设置轴限制，并添加:

x1  <- seq(-2, 2, 0.05)
x2  <- seq(-3, 3, 0.05)
y1 <- pnorm(x1)
y2 <- pnorm(x2,1,1)

plot(x1,y1,ylim=range(c(y1,y2)),xlim=range(c(x1,x2)), type="l",col="red")
lines(x2,y2,col="green")

我很惊讶这个Q已经4岁了，没有人提到matplot或x/ylim…

也就是说，你可以在overplot中使用点。

plot(x1, y1,col='red')

points(x2,y2,col='blue')

正如@redmode所描述的，您可以使用ggplot在同一个图形设备中绘制这两条线。在这个回答中，数据是“宽”格式的。但是，在使用ggplot时，以“长”格式将数据保存在数据帧中通常是最方便的。然后，通过在美学参数中使用不同的“分组变量”，线的属性，如线类型或颜色，将根据分组变量而变化，并将出现相应的图例。

在这种情况下，我们可以使用颜色美学，它将线条的颜色匹配到数据集中变量的不同级别(这里:y1 vs y2)。但首先，我们需要将数据从宽格式融化为长格式，例如使用函数'melt'从重塑2包。这里描述了重塑数据的其他方法:将data.frame从宽格式重塑为长格式。

library(ggplot2)
library(reshape2)

# original data in a 'wide' format
x  <- seq(-2, 2, 0.05)
y1 <- pnorm(x)
y2 <- pnorm(x, 1, 1)
df <- data.frame(x, y1, y2)

# melt the data to a long format
df2 <- melt(data = df, id.vars = "x")

# plot, using the aesthetics argument 'colour'
ggplot(data = df2, aes(x = x, y = value, colour = variable)) + geom_line()

与其将要绘制的值保存在数组中，不如将它们存储在矩阵中。默认情况下，整个矩阵将被视为一个数据集。然而，如果你在图中添加相同数量的修饰符，例如col()，就像你在矩阵中有行一样，R会发现每一行都应该被独立对待。例如:

x = matrix( c(21,50,80,41), nrow=2 )
y = matrix( c(1,2,1,2), nrow=2 )
plot(x, y, col("red","blue")

这应该可以工作，除非您的数据集大小不同。