解决'ts对象需至少一个观测值'错误，统计2016年各月推文量并绘图

问题背景 #

你遇到了ts object must have one or more observations（ts对象必须包含一个或多个观测值）的报错，目标是统计2016年每个月的推文数量并绘制图表，找出推文最多的月份。你的原始代码及数据结构截图如下：

原始代码：

library(ggplot2)  
library(RColorBrewer)  
library(rstudioapi)

current_path = rstudioapi::getActiveDocumentContext()$path 
setwd(dirname(current_path ))
print( getwd() )

donaldtrump <- read.csv("random_poll_tweets.csv", stringsAsFactors = FALSE)

print(str(donaldtrump))

time8_ts <- ts(random$time8, start = c(2016,8), frequency = 12)
time7_ts <- ts(random$time7, start = c(2016,7), frequency = 12)
time6_ts <- ts(random$time6, start = c(2016,6), frequency = 12)
time5_ts <- ts(random$time5, start = c(2016,5), frequency = 12)
time4_ts <- ts(random$time4, start = c(2016,4), frequency = 12)
time3_ts <- ts(random$time3, start = c(2016,3), frequency = 12)
time2_ts <- ts(random$time2, start = c(2016,2), frequency = 12)
time1_ts <- ts(random$time1, start = c(2016,1), frequency = 12)

browser_mts <- cbind(time8_ts, time7_ts,time6_ts,time5_ts,time4_ts,time3_ts,time2_ts,time1_ts)
dimnames(browser_mts)[[2]] <- c("8","7","6","5","4","3","2","1")

pdf(file="fig_browser_tweet_R.pdf",width = 11,height = 8.5)  
ts.plot(browser_mts, ylab = "Amount of Tweet", xlab = "Month",
        plot.type = "single", col = 1:5)
legend("topright", colnames(browser_mts), col = 1:5, lty = 1, cex=1.75)

错误原因分析 #

你的代码存在两个核心问题：

• 读入的数据对象是donaldtrump，但后续创建ts对象时误用了未定义的random，导致读取空值生成无效ts对象；
• 错误地将每个月份列单独转成ts再合并，这种方式不符合统计各月总推文量的需求，且若某列无数据就会触发ts object must have one or more observations报错。

解决方案步骤 #

1. 数据预处理与月份提取 #

首先从数据中提取推文的发布月份（对应截图里的created_at字段），将其转换为日期格式后筛选2016年数据：

library(ggplot2)  
library(rstudioapi)

# 设置工作路径
current_path = rstudioapi::getActiveDocumentContext()$path 
setwd(dirname(current_path ))

# 读入数据
donaldtrump <- read.csv("random_poll_tweets.csv", stringsAsFactors = FALSE)

# 处理日期列：转换为POSIXct格式，匹配Twitter默认时间格式
donaldtrump$created_at <- as.POSIXct(donaldtrump$created_at, format = "%a %b %d %H:%M:%S %z %Y")
# 筛选2016年的推文数据
tweets_2016 <- subset(donaldtrump, format(created_at, "%Y") == "2016")
# 提取月份（数字格式+英文缩写，方便后续排序和展示）
tweets_2016$month <- as.integer(format(tweets_2016$created_at, "%m"))
tweets_2016$month_name <- format(tweets_2016$created_at, "%b")

2. 统计各月推文数量 #

用两种方法实现分组统计：

方法1：Base R 原生统计

# 统计各月推文数
monthly_tweets <- table(tweets_2016$month)
# 转换为数据框，重命名列
monthly_tweets_df <- as.data.frame(monthly_tweets)
colnames(monthly_tweets_df) <- c("month", "count")
# 按月份排序
monthly_tweets_df <- monthly_tweets_df[order(monthly_tweets_df$month), ]
# 合并月份名称
monthly_tweets_df$month_name <- month.abb[monthly_tweets_df$month]

方法2：dplyr 简洁统计

library(dplyr)
monthly_tweets_df <- tweets_2016 %>%
  group_by(month, month_name) %>%
  summarise(count = n(), .groups = "drop") %>%
  arrange(month) # 按1-12月顺序排序

3. 绘制图表找出推文最多的月份 #

推荐用柱状图直观对比各月数量，也可使用时间序列图：

柱状图（ggplot2）

pdf(file="fig_monthly_tweets_bar.pdf", width = 11, height = 8.5)  
ggplot(monthly_tweets_df, aes(x = factor(month_name, levels = month.abb), y = count)) +
  geom_bar(stat = "identity", fill = "#1DA1F2") + # Twitter蓝填充
  labs(x = "2016年月份", y = "推文数量", title = "2016年各月推文数量统计") +
  geom_text(aes(label = count), vjust = -0.5, size = 4) + # 在柱子上方显示数值
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5)) # 标题居中
dev.off()

时间序列图（ts.plot）

若坚持使用ts对象绘图，需先补全无推文的月份（避免空值报错）：

# 补全1-12月的完整数据，无推文的月份计数设为0
full_months <- data.frame(month = 1:12, month_name = month.abb)
monthly_tweets_full <- merge(full_months, monthly_tweets_df, by = c("month", "month_name"), all.x = TRUE)
monthly_tweets_full$count[is.na(monthly_tweets_full$count)] <- 0

# 创建合法的ts对象
tweets_ts <- ts(monthly_tweets_full$count, start = c(2016, 1), frequency = 12)

pdf(file="fig_monthly_tweets_ts.pdf", width = 11, height = 8.5)  
ts.plot(tweets_ts, ylab = "推文数量", xlab = "月份", col = "#1DA1F2", lwd = 2)
points(tweets_ts, pch = 16, col = "#1DA1F2") # 添加数据点
text(tweets_ts, labels = tweets_ts, pos = 3) # 显示数值标签
dev.off()

关键提示 #

• 如果你的日期格式与Twitter默认格式不同，需调整as.POSIXct中的format参数，确保日期转换成功；
• 补全无推文的月份是解决ts object must have one or more observations报错的核心，保证ts对象包含12个完整的观测值；
• 柱状图能最直观地对比各月推文数量，柱子最高的月份即为推文最多的月份。

内容的提问来源于stack exchange，提问作者Mastery mind