为什么当我试图在ggplot2中绘制一个图时会丢失值呢？

Question

我一直试图绘制一个图表，但出于某种原因，我一直在删除变量。我有一个包含350个观测和11个变量的数据，但是当我试图绘制我的图表时，140个观测值被删除了。

首先，我修改了dataframe，以便在连续两天内根据时间进行绘图：

library(hms)
library(dplyr)
library(ggplot2)
library(tidyr)
library(tidyverse)

    #Generate sample data
df <- data.frame(hour = hms(sample(0:59, replace = TRUE, 350),
                             sample(0:59, replace = TRUE, 350),
                             sample(c(0:5, 20:23), replace = TRUE, 350)),
                  count = floor(runif(350, min=0, max=20)))

df <- df %>%
  mutate(ai = count/10) %>% 
  mutate(graphing.date = if_else(
    hour > parse_hms("12:00:00"), as.Date("2022-02-05"), 
    as.Date("2022-02-06")), 
    graphing.datetime = as.POSIXct(paste(graphing.date, hour)))

然后我使用变量graphing.datetime和ai分别作为x和y变量：

p <- ggplot(df, aes(x = graphing.datetime, y = ai)) + 
  geom_point() + 
  scale_x_datetime("Time",
                   limits = c(as.POSIXct("2022-02-05 20:00:00"),
                              as.POSIXct("2022-02-06 06:00:00")),
                   date_breaks = "1 hours", 
                   date_labels = "%H:%M") 
p

当我这样做时，我会得到以下信息：

警告消息:删除了包含缺失值(geom_point)的140行。

我能做些什么来解决这个问题？我的代码有什么问题需要修复吗？

Answer 1

您的示例数据(对我来说)不足以触发错误，因此我将修改它：

set.seed(42)
# ... your code ...
head(df)
#       hour count  ai graphing.date   graphing.datetime
# 1 00:58:48     5 0.5    2022-02-06 2022-02-06 00:58:48
# 2 23:48:36     7 0.7    2022-02-05 2022-02-05 23:48:36
# 3 02:29:00    18 1.8    2022-02-06 2022-02-06 02:29:00
# 4 21:58:24    13 1.3    2022-02-05 2022-02-05 21:58:24
# 5 02:20:09    14 1.4    2022-02-06 2022-02-06 02:20:09
# 6 01:43:35    14 1.4    2022-02-06 2022-02-06 01:43:35

在这里，注意观察的日期时间范围在您的p过滤器中：

range(df$graphing.datetime)
# [1] "2022-02-05 20:00:25 EST" "2022-02-06 05:59:52 EST"

这意味着，如果我们现在做你的p很多，它不会产生警告，而情节显示所有。

p <- ggplot(df, aes(x = graphing.datetime, y = ai)) + 
  geom_point() + 
  scale_x_datetime("Time",
                   limits = c(as.POSIXct("2022-02-05 20:00:00"),
                              as.POSIXct("2022-02-06 06:00:00")),
                   date_breaks = "1 hours", 
                   date_labels = "%H:%M") 
p

​

​

然而，让我们稍微收紧一下limits=，我们将得到警告：

p <- ggplot(df, aes(x = graphing.datetime, y = ai)) +

p <- ggplot(df, aes(x = graphing.datetime, y = ai)) + 
  geom_point() + 
  scale_x_datetime("Time",
                   limits = c(as.POSIXct("2022-02-05 20:10:00"),
                              as.POSIXct("2022-02-06 05:50:00")),
                   date_breaks = "1 hours", 
                   date_labels = "%H:%M") 
p
# Warning: Removed 17 rows containing missing values (geom_point).

这意味着(正如@teunbrand所指出的)，您正在强制将数据从地块中删除。一些想法：

• 展开limits=，使其包含所需的所有数据。虽然您可以根据观察到的数据以编程方式分配它，但这似乎不太有用，因为它实际上与根本不设置limits=一样。

• “忽略”了警告，因为这并不令人惊讶:您在知情的情况下限制了可用数据的范围，所以您不应该感到惊讶。

如果您真的希望在打印/呈现此警告时保持沉默，则可以执行

• ，而不是只在最后执行p。(其他可能有用的警告也将被抑制/隐藏，因此谨慎使用此警告。)

。

• 使用coord_cartesian而不是scale_*_datetime来限制边界。这具有“裁剪”的优点--数据(在处理行/段时绝对是必需的)。然而，当不加区分地使用它时，它会产生副作用，即不告诉您是否或有多少数据超出了您的范围。(这就是为什么我们在这里使用它，是的，只要知道当使用它时，应该慎重考虑。)

P <- ggplot(df，aes(x = graphing.datetime，y= ai)) + geom_point() +scale_x_datetime(“时间”，date_breaks = "1小时“，date_labels = "%H:%M") + coord_cartesian(xlim = c(as.POSIXct("2022-02-05 20:10:00")，05:50:00"))) (“2022-02-06 as.POSIXct”)