Julia实现Reddit数据字符长度与得分统计及绘图报错求助

错误原因分析 #

报错 bar recipe: x must be same length as y (centers), or one more than y (edges) 是Plots.jl中柱状图的典型问题：传入的x轴标签数组与y轴数值数组长度不匹配。比如要展示4项统计结果，但x标签只有3个，或y值少了1个，就会触发该错误。

完整修正代码示例 #

1. 依赖包安装（首次运行） #

using Pkg
Pkg.add(["CSV", "DataFrames", "GZip", "Plots"])

2. 数据读取与统计计算 #

using CSV, DataFrames, GZip, Plots

# 读取.gz压缩包内的CSV文件
function read_reddit_gz(gz_path)
    return GZip.open(gz_path, "r") do f
        CSV.read(f, DataFrame)
    end
end

# 替换成你的数据集路径
df = read_reddit_gz("reddit_data.csv.gz")

# 假设数据集用is_post字段区分帖子/评论，若为分开的CSV则分别读取
post_mask = df.is_post .== true
comment_mask = .!post_mask

# 计算平均字符长度（过滤空内容）
avg_title_len = mean(length.(strip.(df.title[post_mask]))[strip.(df.title[post_mask]) .!= ""])
avg_comment_len = mean(length.(strip.(df.body[comment_mask]))[strip.(df.body[comment_mask]) .!= ""])

# 计算平均得分
avg_post_score = mean(df.score[post_mask])
avg_comment_score = mean(df.score[comment_mask])

# 整理统计结果：确保x标签和y值长度完全一致
stats_labels = ["帖子标题平均长度", "评论内容平均长度", "帖子平均得分", "评论平均得分"]
stats_values = [avg_title_len, avg_comment_len, avg_post_score, avg_comment_score]

3. 绘制柱状图（修正长度匹配问题） #

# 绘制柱状图，确保x和y长度一致
bar(stats_labels, stats_values, 
    title="Reddit数据集统计指标",
    xlabel="统计项",
    ylabel="平均值",
    color=[:blue :green :orange :red],
    legend=false)

关键修正点 #

• 强制x与y长度匹配：stats_labels和stats_values必须是长度完全相同的数组，比如都是4个元素，对应4项统计结果。
• 过滤空值：计算字符长度时排除空字符串，避免空值拉低平均值或引发统计错误。
• 字段匹配：确保代码中使用的字段名与数据集一致（比如评论内容可能是selftext而非body），需根据实际数据集调整。

内容的提问来源于stack exchange，提问作者Robin