你遇到的最大问题是你只避开了group的点，但是线也被a避开了。
要保持直线与坐标轴保持原样，一种选择是手动减淡数据，这利用了因子是整数的特性，将group的一个级别向右移动，另一个级别向左移动。

df = transform(df, dmeasure = ifelse(group == "ctr", 
                                     as.numeric(measure) - .25,
                                     as.numeric(measure) + .25 ) )

然后，您可以使用measure作为x轴进行绘图，但随后使用“被回避”变量作为geom_point和geom_line中的x轴变量。

ggplot(df, aes(x = measure, y = value) ) +
     geom_blank() +
     geom_point( aes(x = dmeasure), shape = 1 ) +
     geom_line( aes(group = a, x = dmeasure) )

如果你还想抖动，也可以手动添加到你的x和y变量。

df = transform(df, dmeasure = ifelse(group == "ctr", 
                                     jitter(as.numeric(measure) - .25, .1),
                                     jitter(as.numeric(measure) + .25, .1) ),
               jvalue = jitter(value, amount = .1) )

ggplot(df, aes(x = measure, y = jvalue) ) +
     geom_blank() +
     geom_point( aes(x = dmeasure), shape = 1 ) +
     geom_line( aes(group = a, x = dmeasure) )

事实证明，这是一个令人惊讶的常见问题，我想给自己加上一个答案/评论，并建议一个--我现在认为--更好的可视化：

• 散点图 *。

我最初打算显示配对数据，并在两个比较之间直观地引导眼睛。这种可视化的问题是显而易见的：每个对象都被可视化了两次。这导致了一个相当拥挤的图形。此外，数据的两个维度（测量之前和之后）被强制为一个维度（y），ID的连接被笨拙地强制到x轴上。
散点图自然地表示ID，每个受试者只显示一个点，但在x和y上更自然地显示两个维度。唯一需要的步骤是使数据更宽（是的，这有时也是必要的，ggplot并不总是需要长数据）。

library(tidyr)
library(dplyr)
library(ggplot2)

## first reshape the data wider (one column for each measurement)
df %>% 
  pivot_wider(names_from = "measure", values_from = "value", names_prefix = "time_" ) %>%
  ## now use the new columns for your scatter plot
  ggplot() +
  geom_point(aes(time_a, time_b, color = group)) +
  ## you can add a line of equality to make it even more intuitive 
  geom_abline(intercept = 0, slope = 1, lty = 2, linewidth = .2) +
  coord_equal()