ggplot2中用dplyr的filter筛选COD_REG=13绘图报错的解决方法

核心问题 #

报错Input ..1 must be of size 106 or 1, not size 107本质是ggplot填充映射的数据维度与地理图层要素数量不匹配：用于填充的wage数据行数，和筛选后的地理区域要素数不一致，导致图层渲染冲突。

可能的原因 #

1. 关联后数据行数膨胀：prov2022地理数据集本身有107条记录，database只有106条，用right_join会保留prov2022的所有行，生成107条数据（其中1条无匹配的wage值）。后续筛选COD_REG == 13时，填充数据与地理要素的维度无法对应。
2. 筛选时机错误：先对prov2022筛选区域，再和database做right_join，此时筛选后的地理要素数与database的106条记录不匹配，引发维度冲突。
3. 关联键重复：database或prov2022中存在重复的关联键（如COD_REG），导致right_join后出现重复行，数据行数从106变为107，后续筛选时维度不兼容。

解决办法 #

1. 调整操作顺序：先筛选地理区域，再关联数据 #

先缩小地理数据范围，再和业务数据关联，确保关联后的数据行数与地理要素数完全匹配：

# 第一步：筛选目标地理区域
filtered_prov <- prov2022 %>% filter(COD_REG == 13)

# 第二步：关联业务数据（替换by参数为实际的关联键，比如COD_REG）
joined_data <- right_join(filtered_prov, database, by = "COD_REG")

# 绘图
ggplot(joined_data) +
  geom_sf(aes(fill = ifelse(wage > 500 & wage <= 1000, "purple", NA))) +
  scale_fill_identity()

2. 清理关联键，避免重复匹配 #

先检查并清理关联键的重复值，确保关联后数据行数正常：

# 检查database中关联键的重复情况
database %>% count(COD_REG) %>% filter(n > 1)
# 检查prov2022中关联键的重复情况
prov2022 %>% count(COD_REG) %>% filter(n > 1)

# 清理database重复数据：保留每个COD_REG的第一条记录
database_clean <- database %>% distinct(COD_REG, .keep_all = TRUE)
# 或者对wage做聚合（比如取均值）
# database_clean <- database %>% group_by(COD_REG) %>% summarise(wage = mean(wage))

# 关联并筛选后绘图
joined_data <- right_join(prov2022, database_clean, by = "COD_REG") %>% filter(COD_REG == 13)

ggplot(joined_data) +
  geom_sf(aes(fill = ifelse(wage > 500 & wage <= 1000, "purple", NA))) +
  scale_fill_identity()

3. 确保填充数据与地理维度匹配 #

如果必须先关联再筛选，检查数据行数是否一致，并处理缺失值：

joined_data <- right_join(prov2022, database, by = "COD_REG") %>% filter(COD_REG == 13)

# 验证数据行数是否匹配
cat("筛选后地理要素数：", nrow(prov2022 %>% filter(COD_REG == 13)), "\n")
cat("关联后数据行数：", nrow(joined_data), "\n")

# 绘图时处理缺失的wage值
ggplot(joined_data) +
  geom_sf(aes(fill = ifelse(!is.na(wage) & wage > 500 & wage <= 1000, "purple", NA))) +
  scale_fill_identity()

内容的提问来源于stack exchange，提问作者io_boh