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：
错误：
data必须是数据帧或其他可强制执行的对象fortify()，而不是类为Date的S3对象
我搜索了一段时间，但找不到解决方案。谢谢您的帮助。
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
答案 0 :(得分：0)
尝试一下： 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)
然后是情节：
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)