使用ggplot2与plotly绘制分面柱状图时遭遇字段拆分及分面变量值缺失报错求助

让我来帮你排查这两个错误的根源并给出可行的解决方案：

错误原因分析 #

1. Expected 2 pieces. Missing pieces filled with NA in 1 rows [24216]警告：
   这个警告来自separate()函数，说明你的数据集中第24216行的Date.of.Sale格式不符合-分隔的两段结构，导致无法拆分成Sale_year和Sale_month两个字段，函数自动填充了NA。

2. Error: Faceting variables must have at least one value报错：
   这是核心问题——你过滤后的数据集是空的！原数据中Date.of.Sale是"YY-Mon"格式（比如"20-Jun"代表2020年6月），但你用separate()提取的Sale_year是两位年份数字，而你过滤的是Sale_year %in% c(16,17)（即2016、2017年），如果你的数据集里没有对应年份的记录，过滤后就没有数据，分面变量Sale_year无值就会触发这个错误。

修正后的完整代码 #

# Load Libraries
library(ggplot2)
library(dplyr)
options(scipen = 100000)
library(scales)
library(plotly)
library(tidyverse)

# Read dataset
ura <- read.csv('URAdata_new.csv')

# Data cleaning: 修正日期处理逻辑，先过滤格式异常的行
ura_clean <- ura %>%
  # 只保留符合"两位数字-三位月份缩写"格式的记录
  filter(grepl("^\\d{2}-[A-Za-z]{3}$", Date.of.Sale)) %>%
  # 拆分日期，兼容可能的格式异常
  separate(Date.of.Sale, c('Sale_year', 'Sale_month'), sep = '-', 
           extra = "drop", fill = "right") %>%
  # 转年份为整数，方便后续过滤
  mutate(Sale_year = as.integer(Sale_year))

# 提前检查过滤后的数据是否存在
filtered_data <- ura_clean %>%
  filter(Sale_year %in% c(16, 17) & Postal.District %in% c(2, 5))

# 如果无数据，提前提示
if(nrow(filtered_data) == 0) {
  stop("No matching records found! Please check if your dataset has data for 2016/2017 and districts 2/5.")
}

# 绘制ggplot图表
plot_gg <- filtered_data %>%
  group_by(Sale_year, Postal.District) %>%
  # 显式指定分组后丢弃分组信息，避免dplyr警告
  summarize(avg_price = mean(Price....), .groups = "drop") %>%
  ggplot(aes(x = as.character(Postal.District), y = avg_price, fill = as.factor(Sale_year))) +
  # 添加position_dodge让同区域的年份柱子并排显示
  geom_col(position = position_dodge(width = 0.8)) +
  facet_grid(~ as.factor(Sale_year)) +
  labs(x = 'Postal District', 
       y = 'Average price', 
       title = 'Comparison of unit prices in district 2 and 5 between 2016 and 2017') +
  scale_fill_discrete(name = "Year of sale", labels = c("2016", "2017")) +
  theme(plot.title = element_text(colour="red", size=10, face="bold.italic", hjust = 0.5),
        axis.title.x = element_text(colour="blue", size=14, face="bold"),
        axis.title.y = element_text(colour="green", size=14, face="bold"),
        legend.title = element_text(size=8)) +
  scale_y_continuous(name="Average Price", labels = comma)

# 转换为plotly交互图表
Plot2 <- ggplotly(plot_gg)
Plot2

关键修正说明 #

1. 日期格式校验：用grepl()过滤掉格式异常的Date.of.Sale行，同时给separate()添加extra和fill参数，兼容可能的格式问题，避免NA填充警告。
2. 空数据提前检查：在绘图前先确认过滤后的数据集是否有记录，提前给出明确提示，避免分面时的无值错误。
3. 可视化优化：添加position_dodge()让同邮区的不同年份柱子并排，提升图表可读性；用.groups = "drop"清理分组残留，避免dplyr的警告信息。

如果运行后仍然提示无数据，需要确认你的数据集里是否真的存在2016/2017年、邮区2/5的记录，可能需要调整过滤条件或检查数据来源。

内容的提问来源于stack exchange，提问作者Chua S Yang