ggplot箱线图指定顺序重排异常：仅显示单个箱线图的排查

问题背景 #

使用ggplot绘制箱线图时，age_group默认按字母顺序（Middle、Old、Young）排列，需要调整为指定的Young、Middle、Old顺序。尝试将age_group转为因子并指定levels后，仅显示单个箱线图，且数据无缺失值。

初始绘制代码：

stride %>% 
ggplot(aes(x=age_group,y=stride_int)) + 
geom_boxplot(outlier.colour = "red", outlier.shape = 21, outlier.fill = "red", outlier.size = 2) + 
theme_light() +
labs(title = "Stride interval for different age groups",
   y = "stride interval", 
   x = "age group") 

尝试的修改代码（失效）：

stride %>%
arrange(age_group) %>%
mutate(age_group = factor(age_group, levels=c("young", "middle", "old"))) %>%
ggplot( aes(x=age_group, y=stride_int)) +
geom_boxplot(outlier.colour = "red", outlier.shape = 21, outlier.fill = "red", outlier.size = 2) + 
theme_light() +
labs(title = "Stride interval for different age groups",
   y = "stride interval", 
   x = "age group")

问题原因 #

因子levels的大小写与数据中age_group的取值不匹配：数据中age_group的值是首字母大写的Young、Middle、Old，但代码中指定的levels是小写的young、middle、old，导致所有原始值都不在指定的levels范围内，被自动转化为NA，最终ggplot仅绘制了NA组的箱线图。

另外，arrange(age_group)这一步是多余的，因子的顺序由levels参数决定，与数据排序无关。

正确代码 #

stride %>%
  mutate(age_group = factor(age_group, levels=c("Young", "Middle", "Old"))) %>%
  ggplot(aes(x=age_group, y=stride_int)) +
  geom_boxplot(outlier.colour = "red", outlier.shape = 21, outlier.fill = "red", outlier.size = 2) + 
  theme_light() +
  labs(title = "不同年龄组的步幅间隔",
       y = "步幅间隔", 
       x = "年龄组")

效果验证 #

使用你提供的简化数据测试，修改后会正确显示三个按Young→Middle→Old顺序排列的箱线图，符合需求。

内容的提问来源于stack exchange，提问作者NLC