基于校园纸板回收调研数据绘制箱线图的问题求助

问题背景 #

30人参与的校园纸板回收调研，数据范围为0至1000克以上，尝试按邮政编码plz分组统计各城镇数据并绘制箱线图时，出现两个问题：

• 聚合后的数据集d.Daten_Agg存在大量NA值
• ggplot绘图报错

执行代码 #

d.Daten_Agg <- aggregate(list(kk_agg = d.Daten$k_kehrricht),
                         list(plz = d.Daten$plz),
                         function(x) round(sd(x, na.rm = TRUE), 1))
d.Daten_Agg

ggplot(d.Daten_Agg, aes(y=d.Daten_Agg)) + 
  stat_boxplot(geom="errorbar", width=0.5)+
  geom_boxplot(fill="darkorchid3", outlier.color="darkorchid3", outlier.size=3, outlier.shape=8, width = 1) +
  ylab("Karton Kehrricht [kg]")+
  theme(plot.title = element_text(hjust = 0.5, margin = margin(t = 10), size = 12, vjust=2, face = "bold")) +
  xlab("alle Daten")+
  scale_x_discrete()

报错信息 #

第一次绘图报错 #

Don't know how to automatically pick scale for object of
type <data.frame>. Defaulting to continuous.
Error in `stat_boxplot()`:
! Problem while computing aesthetics.
ℹ Error occurred in the 1st layer.
Caused by error in `check_aesthetics()`:
! Aesthetics must be either length 1 or the same as
  the data (21)
✖ Fix the following mappings: `y`
Run `rlang::last_trace()` to see where the error occurred.

修改y轴映射后报错 #

Error in ggplot(kk_agg, aes(y = kk_agg)) : object 'kk_agg' not found

问题分析与解决方案 #

1. 大量NA值的原因 #

你用aggregate计算每个plz分组的标准差（sd()），但如果某个分组只有1个数据点，标准差无法计算（单个数据无离散度），函数会返回NA，这就是d.Daten_Agg出现大量NA的核心原因。更关键的是：你的需求是展示各城镇所有数据点的箱线图，完全不需要提前聚合标准差——箱线图会自动基于原始数据计算四分位数、极值等统计量。

2. ggplot绘图错误的修正 #

• 第一个错误：aes(y=d.Daten_Agg)是把整个数据框传给y轴映射，不符合ggplot语法，y轴需要指定数据集中的具体列；
• 第二个错误：ggplot(kk_agg, aes(y=kk_agg))中，kk_agg是d.Daten_Agg的列名，不是独立数据集，因此会报“对象未找到”；
• 核心误区：误用聚合后的标准差数据绘制箱线图，箱线图的数据源应该是原始分组数据，而非聚合后的统计量。

修正后的代码 #

方案1：按plz分组绘制原始数据的箱线图（符合你的需求）

这是最贴合需求的方案，直接用原始数据集d.Daten绘图，自动按plz分组生成箱线图：

ggplot(d.Daten, aes(x = factor(plz), y = k_kehrricht)) + 
  # 绘制箱线图的误差线
  stat_boxplot(geom="errorbar", width=0.5) +
  # 绘制箱线图主体
  geom_boxplot(fill="darkorchid3", outlier.color="darkorchid3", outlier.size=3, outlier.shape=8, width = 0.8) +
  # 设置坐标轴标签
  ylab("Karton Kehrricht [kg]") +
  xlab("Postleitzahl (PLZ)") +
  # 标题样式
  theme(plot.title = element_text(hjust = 0.5, margin = margin(t = 10), size = 12, vjust=2, face = "bold")) +
  # 若x轴PLZ标签过多，旋转45度避免重叠
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

方案2：若需保留聚合后的标准差数据（绘制标准差的箱线图）

如果确实需要基于标准差数据绘图，需先处理NA值（比如替换为0或过滤NA分组）：

# 处理NA值：将标准差为NA的分组替换为0（也可根据需求用subset()过滤NA）
d.Daten_Agg$kk_agg[is.na(d.Daten_Agg$kk_agg)] <- 0

# 绘制标准差的箱线图
ggplot(d.Daten_Agg, aes(y = kk_agg)) + 
  stat_boxplot(geom="errorbar", width=0.5) +
  geom_boxplot(fill="darkorchid3", outlier.color="darkorchid3", outlier.size=3, outlier.shape=8, width = 1) +
  ylab("Standardabweichung Karton Kehrricht [kg]") +
  xlab("alle Daten") +
  scale_x_discrete() +
  theme(plot.title = element_text(hjust = 0.5, margin = margin(t = 10), size = 12, vjust=2, face = "bold"))

内容的提问来源于stack exchange，提问作者Andrea