以下是如何为不同的虹膜种类输入不同的geom_vline：

ggplot(iris, aes(Sepal.Length, Petal.Length)) + facet_wrap(~Species, scales="free") + geom_point() + 
  geom_vline(data=filter(iris, Species=="setosa"), aes(xintercept=5), colour="pink") + 
  geom_vline(data=filter(iris, Species=="versicolor"), aes(xintercept=6), colour="blue") + 
  geom_hline(data=filter(iris, Species=="virginica"), aes(yintercept=6), colour="green")

您可以创建一个data.frame，其中一列是用于行的截距值，第二列是Sex。这样，当使用facet_wrap时，它们是分开的。
比如：

dataInt <- train3 %>%
  group_by(Sex) %>%
  summarize(Int = mean(Age))

然后可以在脚本中使用它：

g<-ggplot(data = train3, aes(x = Age, y = Survived, colour = factor(Pclass))) + 
  facet_wrap(~Sex) +
  geom_vline(data=dataInt, aes(xintercept=Int))

没有你的数据我无法测试。
[EDIT：With a reprex]如果我使用与Adam Quek相同的数据作为可重现的示例，代码将自动执行如下：

library(tidyverse)

dataLine <- iris %>%
  group_by(Species) %>%
  summarize(mean_x = mean(Sepal.Length))

ggplot(iris) +
  aes(x = Sepal.Length, y = Petal.Length) +
  facet_wrap(facets = vars(Species)) + 
  geom_point() + 
  geom_vline(data  = dataLine, aes(xintercept = mean_x, colour = Species))

根据“塞巴斯蒂安·罗切特”上面的回答;与其使用summary（Int = mean（Age））函数创建新的数据框dataInt，不如使用mutate函数，因为我在每个方面图中都有多个水平，所以该函数对我不起作用。

train3 <- train3 %>%
  group_by(Sex) %>%
  mutate(Int = mean(Age))

然后您可以使用train 3 Dataframe

g<-ggplot(data = train3, aes(x = Age, y = Survived, colour = factor(Pclass))) + 
  facet_wrap(~Sex) +
  geom_vline(data=train3, xintercept=Int)

这是可行的，但我担心它可能为所有值创建了一个geom_vline，因为每个平均值将在数据框中每个因子的每个水平内重复。