ggplot使用geom_line绘制时间序列仅显示部分数据如何解决

核心原因 #

大概率是日期列解析错误：你当前用dmy()（日月年顺序）解析原始CSV的日期列，但EIA是美国机构，公开的CSV文件默认日期格式为月/日/年（mdy），比如1/13/2023代表2023年1月13日。用dmy()解析时，会把字符串第二个位置的数值当作月份，一旦该数值超过12，就会返回NA，最终只有日期字符串第二个位置<=12的记录能保留，所以看起来只有1月的节点被渲染。

排查步骤 #

• 先验证日期解析是否正确，执行以下代码查看原始日期和转换后日期的对应关系，统计空值数量：

# 查看前20条日期转换结果
head(raw_data[, c("date", "date2")], 20)
# 统计转换后为空的日期数量
sum(is.na(raw_data$date2))
# 查看清洗后数据的日期范围和行数，10年左右的月度数据应该有120条左右记录
range(frmt_data$date2)
nrow(frmt_data)

• 再验证价格列是否存在空值：

sum(is.na(frmt_data$price))

• 如果上述检查都无异常，执行head(raw_data)查看CSV导入是否正常，确认是否存在分隔符识别错误、列错位的问题。

解决方法 #

如果确认是日期解析错误，只需要把日期转换的代码从dmy(date)改成mdy(date)即可：

raw_data <- read.csv("H:/Projects/gas prices2.csv") %>%
  mutate(date2 = as.Date(mdy(date)))

如果解析后还有少量NA值，可以检查原始CSV里对应行的日期格式是否存在异常，手动修正或者删除异常行即可。

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