ggplot2警告：含非有限值行被移除，取消状态Y样本丢失求助

原因分析 #

• 标记为cancel_status = "Y"的取消航班，其dep_time（实际起飞时间）本身就是NA，用这个NA值计算sche_dep_hour、sche_dep_min和sche_dep_exact_time时，结果也会变成NA。
• ggplot的stat_boxplot()函数会自动剔除包含非有限值（这里就是NA）的行，所以这8255条取消航班的数据被直接过滤，导致绘图时看不到cancel_status = "Y"的组。

解决方法 #

取消航班没有实际起飞时间，但有计划起飞时间sched_dep_time，我们应该用这个字段来计算计划起飞的精确时间，修改变量生成代码如下：

flights_cancel_status <- flights %>%
  mutate(cancel_status = ifelse(is.na(dep_time), "Y", "N"), 
         sche_dep_hour = sched_dep_time %/% 100,
         sche_dep_min = sched_dep_time %% 100,
         sche_dep_exact_time = sche_dep_hour + sche_dep_min / 60)

再运行原绘图代码：

ggplot(data = flights_cancel_status) +
  geom_boxplot(mapping = aes(x = sche_dep_exact_time,
                             y = cancel_status))

此时cancel_status = "Y"的样本会拥有有效的sche_dep_exact_time值，绘图时会正常显示两组的箱线图，也不会再出现行被移除的警告。

内容的提问来源于stack exchange，提问作者Ryan