R脚本mutate函数报错及多对象未找到问题求助

核心错误原因 #

1. nottem数据集处理逻辑错误：原脚本直接将时间序列（ts）对象nottem转成tibble，丢失了时间索引信息，导致后续mutate中调用floor_date、year()等日期函数时，因无有效日期对象触发as.POSIXlt.default()错误，后续依赖nottem_tidy_df的代码全部因对象未创建而失败。
2. Titanic数据集操作遗漏与变量名错误：未执行uncount()操作展开频数数据，导致幸存者比例计算错误；最后绘图时误用未定义的class_counts对象，实际应为class_totals_df。

分步修正方案 #

1. 修正nottem数据集处理流程 #

使用tsibble::as_tsibble()将时间序列转换为带日期索引的tibble，再提取年、月信息：

# 将nottem时间序列转为带日期索引的tsibble
nottem_ts <- as_tsibble(nottem) %>%
  rename(temperature = value)  # 重命名默认的value列为temperature

# 生成整洁格式的数据集
nottem_tidy_df <- nottem_ts %>%
  mutate(year = year(index),
         month = month(index)) %>%
  rename(date = index) %>%  # 将index重命名为date
  select(date, year, month, temperature)

2. 修正Titanic数据集操作 #

• 补充uncount()操作展开频数数据
• 修正绘图对象名：

# 展开Titanic的频数数据并转换变量类型
titanic_factors_df <- titanic_tibble_df %>%
  uncount(n) %>%  # 执行uncount操作
  mutate(across(c(Class, Age, Sex, Survived), as.factor))

# 修正绘图对象名
ggplot(class_totals_df, aes(x = Class, y = prop_survived)) +
  geom_bar(stat = "identity") +
  scale_y_continuous(limits = c(0, 1), labels = scales::percent_format()) +
  labs(x = "舱位等级", y = "幸存乘客比例", 
       title = "不同舱位乘客幸存比例") +
  ggsave("proportion_survived_by_class.png")

完整修正脚本 #

# ------------------------------
# 姓名：[你的姓名]
# 作业名称：数据分析作业
# ------------------------------

# 检查并安装pacman包
if (!require("pacman")) install.packages("pacman")
print("Pacman 已安装/加载")

# 加载所需包
pacman::p_load(pacman, datasets, tidyverse, tsibble, lubridate)
print("所有依赖包加载完成")

# 处理nottem气温数据集
# 1. 加载数据集并转为带日期索引的tsibble
data("nottem")
print("nottem数据集加载完成")
nottem_ts <- as_tsibble(nottem) %>%
  rename(temperature = value)
print("nottem已转为带日期索引的tsibble")

# 2. 生成整洁格式数据集
nottem_tidy_df <- nottem_ts %>%
  mutate(year = year(index),
         month = month(index)) %>%
  rename(date = index) %>%
  select(date, year, month, temperature)
print("nottem整洁数据集创建完成")

# 3. 计算年度平均气温
average_temp_by_year_df <- nottem_tidy_df %>%
  group_by(year) %>%
  summarize(avg_temp = mean(temperature, na.rm = TRUE))
print("年度平均气温数据集创建完成")

# 4. 绘制年度气温趋势图并保存
ggplot(average_temp_by_year_df, aes(year, avg_temp)) +
  geom_line(color = "#2c3e50") +
  geom_smooth(method = "loess", color = "#e74c3c", se = FALSE) +
  ggtitle("诺丁汉年度平均气温趋势") +
  xlab("年份") +
  ylab("平均气温 (°C)") +
  theme_minimal()
ggsave("Annual_Temperature_by_Year.png", dpi = 300)
print("年度气温趋势图已保存")

# 处理Titanic数据集
# 1. 加载数据集并转为tibble
data("Titanic")
print("Titanic数据集加载完成")
titanic_tibble_df <- as_tibble(Titanic)
print("Titanic已转为tibble格式")

# 2. 展开频数数据并转换变量类型为因子
titanic_factors_df <- titanic_tibble_df %>%
  uncount(n) %>%
  mutate(across(c(Class, Age, Sex, Survived), as.factor))
print("Titanic数据集已展开并完成变量类型转换")

# 3. 计算总体幸存比例
num_survived <- sum(titanic_factors_df$Survived == "Yes")
num_total <- nrow(titanic_factors_df)
prop_survived <- num_survived / num_total
print(paste("总体幸存比例：", round(prop_survived, 4)))

# 4. 统计各舱位总人数
class_count_df <- titanic_factors_df %>%
  group_by(Class) %>%
  summarize(total_count = n())
print("各舱位总人数统计完成")

# 5. 统计各舱位幸存人数
class_survived_df <- titanic_factors_df %>%
  filter(Survived == "Yes") %>%
  group_by(Class) %>%
  summarize(survival_count = n())
print("各舱位幸存人数统计完成")

# 6. 合并总人数与幸存人数并计算幸存比例
class_totals_df <- class_count_df %>%
  left_join(class_survived_df, by = "Class") %>%
  mutate(prop_survived = survival_count / total_count)
print("舱位幸存比例计算完成")

# 7. 绘制各舱位幸存比例柱状图并保存
ggplot(class_totals_df, aes(x = Class, y = prop_survived)) +
  geom_bar(stat = "identity", fill = "#3498db") +
  scale_y_continuous(limits = c(0, 1), labels = scales::percent_format()) +
  labs(x = "舱位等级", y = "幸存乘客比例", 
       title = "泰坦尼克号不同舱位乘客幸存比例") +
  theme_minimal()
ggsave("proportion_survived_by_class.png", dpi = 300)
print("舱位幸存比例图已保存")

内容的提问来源于stack exchange，提问作者Stephen Magnus