r - 错误 `data`导致: `fortify()` must be a data frame,或其他对象可强制执行错误，而不是日期类为S3的S3对象

Question

我试图在R中创建一个堆积的条形图，但是不幸的是我遇到了几个问题。 R给我以下错误:

Error: data must be a data frame, or other object coercible by fortify(), not an S3 object with class Date

我搜索了一段时间，但找不到解决方案。谢谢你的帮忙。

options(stringsAsFactors = FALSE) 
input <- "C:\\Users\\CPOD1_time.csv" CPOD1_time <- read.csv(input, sep=";") 

CPOD1_time = as.Date(CPOD1_time$date, format = "%d.%m.%Y")
library(lubridate) 

library(ggplot2) 

p<- ggplot(CPOD1_time, aes(x=date, y=number, fill=time)) + 

geom_bar(stat="identity") +theme_bw() + geom_text(aes(y=number), vjust=1.6,

size=3.5) 

print(p)
    dput(CPOD1_time)
    structure(c(17742, 17743, 17744, 17745, 17746, 17747, 17748, 
    17749, 17750, 17751, 17752, 17753, 17754, 17755, 17756, 17757, 
    17758, 17759, 17760, 17761, 17762, 17763, 17764, 17765, 17766, 
    17767, 17768, 17769, 17770, 17771, 17772, 17773, 17774, 17775, 
    17776, 17742, 17743, 17744, 17745, 17746, 17747, 17748, 17749, 
    17750, 17751, 17752, 17753, 17754, 17755, 17756, 17757, 17758, 
    17759, 17760, 17761, 17762, 17763, 17764, 17765, 17766, 17767, 
    17768, 17769, 17770, 17771, 17772, 17773, 17774, 17775, 17776, 
    17742, 17743, 17744, 17745, 17746, 17747, 17748, 17749, 17750, 
    17751, 17752, 17753, 17754, 17755, 17756, 17757, 17758, 17759, 
    17760, 17761, 17762, 17763, 17764, 17765, 17766, 17767, 17768, 
    17769, 17770, 17771, 17772, 17773, 17774, 17775, 17776, 17742, 
    17743, 17744, 17745, 17746, 17747, 17748, 17749, 17750, 17751, 
    17752, 17753, 17754, 17755, 17756, 17757, 17758, 17759, 17760, 
    17761, 17762, 17763, 17764, 17765, 17766, 17767, 17768, 17769, 
    17770, 17771, 17772, 17773, 17774, 17775, 17776), class = "Date")

 as.data.frame(CPOD1_time)

          date time      number
1   30.07.2018    1  0.00000000
2   31.07.2018    1  0.00000000
3   01.08.2018    1  0.00000000
4   02.08.2018    1  0.62500000
5   03.08.2018    1  0.00000000
6   04.08.2018    1  0.00000000
7   05.08.2018    1  0.00000000
8   06.08.2018    1  3.26086957
9   07.08.2018    1  0.00000000
10  08.08.2018    1  0.00000000
11  09.08.2018    1  0.00000000
12  10.08.2018    1  0.00000000
13  11.08.2018    1  0.00000000
14  12.08.2018    1  0.00000000
15  13.08.2018    1  0.00000000
16  14.08.2018    1  0.00000000
17  15.08.2018    1  0.69767442
18  16.08.2018    1  0.00000000
19  17.08.2018    1  0.00000000
20  18.08.2018    1  0.71428571
21  19.08.2018    1  0.71428571
22  20.08.2018    1  0.71428571
23  21.08.2018    1  0.71428571
24  22.08.2018    1  0.00000000
25  23.08.2018    1  3.65853658
26  24.08.2018    1  0.50000000
27  25.08.2018    1  3.00751880
28  26.08.2018    1  1.50375940
29  27.08.2018    1  3.00751880
30  28.08.2018    1  3.75939850
31  29.08.2018    1  0.00000000
32  30.08.2018    1  1.53846154
33  31.08.2018    1  7.69230769
34  01.09.2018    1  5.38461539
35  02.09.2018    1  2.30769231
36  30.07.2018    2  0.16064257
37  31.07.2018    2  0.13100437
38  01.08.2018    2  0.26315789
39  02.08.2018    2  0.19823789
40  03.08.2018    2  0.06622517
41  04.08.2018    2  0.00000000
42  05.08.2018    2  0.00000000
43  06.08.2018    2  0.46927374
44  07.08.2018    2  0.26936027
45  08.08.2018    2  0.33821872
46  09.08.2018    2  0.20385051
47  10.08.2018    2  0.06825939
48  11.08.2018    2  0.27366020
49  12.08.2018    2  0.41284404
50  13.08.2018    2  0.13808976
51  14.08.2018    2  0.06936416
52  15.08.2018    2  0.62717770
53  16.08.2018    2  1.19158878
54  17.08.2018    2  0.07033998
55  18.08.2018    2  0.35335689
56  19.08.2018    2  0.14218010
57  20.08.2018    2  0.85714286
58  21.08.2018    2  0.28742515
59  22.08.2018    2  0.79422383
60  23.08.2018    2  2.10399033
61  24.08.2018    2  1.52727273
62  25.08.2018    2  1.90012180
63  26.08.2018    2  2.50000000
64  27.08.2018    2  0.29556650
65  28.08.2018    2  2.82527881
66  29.08.2018    2  2.31631382
67  30.08.2018    2  2.55319149
68  31.08.2018    2  2.41813602
69  01.09.2018    2  2.05063291
70  02.09.2018    2  2.57309942
71  30.07.2018    3  0.00000000
72  31.07.2018    3  0.00000000
73  01.08.2018    3  0.00000000
74  02.08.2018    3  0.00000000
75  03.08.2018    3  0.00000000
76  04.08.2018    3  0.00000000
77  05.08.2018    3  0.00000000
78  06.08.2018    3  0.00000000
79  07.08.2018    3  0.00000000
80  08.08.2018    3  0.00000000
81  09.08.2018    3  0.66666667
82  10.08.2018    3  0.00000000
83  11.08.2018    3  0.00000000
84  12.08.2018    3  4.13793103
85  13.08.2018    3  0.00000000
86  14.08.2018    3  0.00000000
87  15.08.2018    3  0.71428571
88  16.08.2018    3  2.79069767
89  17.08.2018    3  0.00000000
90  18.08.2018    3  0.00000000
91  19.08.2018    3  0.00000000
92  20.08.2018    3  0.00000000
93  21.08.2018    3  0.72289157
94  22.08.2018    3  0.00000000
95  23.08.2018    3  0.00000000
96  24.08.2018    3  0.00000000
97  25.08.2018    3  0.00000000
98  26.08.2018    3  0.00000000
99  27.08.2018    3  0.00000000
100 28.08.2018    3  0.00000000
101 29.08.2018    3  0.00000000
102 30.08.2018    3  9.23076923
103 31.08.2018    3  0.00000000
104 01.09.2018    3  2.30769231
105 02.09.2018    3  0.00000000
106 30.07.2018    4  0.00000000
107 31.07.2018    4  0.17964072
108 01.08.2018    4  0.17647059
109 02.08.2018    4  0.00000000
110 03.08.2018    4  0.00000000
111 04.08.2018    4  0.00000000
112 05.08.2018    4  0.00000000
113 06.08.2018    4  0.00000000
114 07.08.2018    4  0.32432432
115 08.08.2018    4  0.00000000
116 09.08.2018    4  0.00000000
117 10.08.2018    4  0.31168831
118 11.08.2018    4  1.54241645
119 12.08.2018    4  0.75757576
120 13.08.2018    4 11.89066059
121 14.08.2018    4  1.03703704
122 15.08.2018    4  7.73722628
123 16.08.2018    4  8.09638554
124 17.08.2018    4  1.56769596
125 18.08.2018    4  1.27058823
126 19.08.2018    4  0.55813954
127 20.08.2018    4  0.27522936
128 21.08.2018    4  0.68181818
129 22.08.2018    4  1.88340807
130 23.08.2018    4  2.78761062
131 24.08.2018    4  1.71428571
132 25.08.2018    4  0.39045553
133 26.08.2018    4  0.25751073
134 27.08.2018    4  0.25531915
135 28.08.2018    4  0.25263158
136 29.08.2018    4  0.24896266
137 30.08.2018    4  0.36960986
138 31.08.2018    4  1.09979633
139 01.09.2018    4  0.48387097
140 02.09.2018    4  0.00000000

Answer 1

试试这个:
工作流程如下:

 library(tidyverse)
    library(lubridate)
    #`df` is `CPOD_Time` saved as `df<-as.data.frame(CPOD_Time)`
    df<-as.data.frame(CPOD_Time)

然后剧情:

df %>% 
      rename(Time=time,Number=number,Date=date) %>% 
      mutate(Date=str_replace_all(Date,"\\D","-"),Date=as.character(Date),
             Date=dmy(Date)) %>% 
    ggplot(aes(x=Date, y=Number, fill=Time)) + 
      geom_bar(stat="identity") +theme_bw() + 
geom_text(aes(label=Number), vjust=1.6,size=3.5)