R中的组箱图轴名称

Question

我正在使用显示为多个箱形图的数据集。我已根据测量周将箱形图进行了手动分组，以使其成组对齐。但是，在轴上排列每个单独的测量日期会使该特定轴不可读。

因此，我想将特定的所有x轴标签分组到“周＃”。

代码基于boxplot命令。

boxplot(dfswe, ylab ='SWE [mm]', xlab ='Time', las = 2, main ='SWE over time', 
        col = colcolours[1:34],
        at = c(1,4,5,6,7,8,9,10,11,14,15,16,17,20,21,22,23,26,27,28,29,32,33,34,35,36,37,38,39,40,43,44,47,50),
        names = colcolours[1:34]) 

dfswe是由34列组成的简单数据框。

我曾尝试过将框线图分组在一起的其他技术，但还没有找到处理不规则分组的方法。有些星期比其他星期包含更多测量值。

dput：

dput（droplevels（dfswe））结构（列表（07/02/2019 = c（82.68852496，84.32592149，90.05680936，81.05112843，NA，NA），11/02/2019 = c（91.6942059，79.41373189，91.6942059，79.41373189，NA，NA），11/02/2019 = c（63.03976655，72.86414576、72.86414576、73.68284402、78.59503363、70.40805096），13/02/2019 = c（72.86414576，72.86414576，87.60071456，87.60071456，NA，NA），13/02/2019 = c（87.60071456，100.6998868，88.41941283，88.41941283、81.05112843，NA），13/02/2019 = c（75.32024056，68.77065442、74.50154229、74.50154229、62.22106829、58.94627522），13/02/2019 = c（86.78201629，76.13893882，72.86414576，NA，NA，NA），16/02/2019 = c（46.39290179，48.84899659，50.75929255，NA，NA，NA），16/02/2019 = c（45.84710295，48.30319775，57.30887869，34.38532721，27.50826177，NA），19/02/2019 = c（79.41373189，71.22674922、62.22106829、54.85278388、27.01704281，NA），19/02/2019 = c（27.83574108，43.39100815、44.20970641、55.67148215，NA，NA），19/02/2019 = c（17.19266361，24.56094801，0，NA，NA，NA），19/02/2019 = c（34.38532721，NA，NA，NA，NA，NA），20/02/2019 = c（77.77633536，65.49586135，62.22106829，22.92355147，NA，NA），20/02/2019 = c（22.92355147，15.55526707，NA，NA，NA，NA），20/02/2019 = c（28.65443934，35.20402548，42.57230988，54.03408562，NA，NA），20/02/2019 = c（14.7365688，22.10485321，NA，NA，NA，NA），26/02/2019 = c（85.96331803，72.86414576，76.13893882，49.12189602，29.47313761，NA），26/02/2019 = c（0，0，0，0，0，NA），26/02/2019 = c（0，0，0，0，0，NA），26/02/2019 = c（0，0，0，0，0，NA），04/03/2019 = c（28.65443934，32.74793068，39.29751681，44.20970641，NA，NA），06/03/2019 = c（88.41941283，85.96331803，76.95763709，29.47313761，38.47881855，NA），06/03/2019 = c（3.192923241，3.192923241、3.192923241、3.192923241，NA，NA），06/03/2019 = c（3.192923241，3.192923241、25.78899541、3.192923241、49.12189602，NA），06/03/2019 = c（3.192923241，3.192923241、3.192923241、3.192923241，NA，NA），08/03/2019 = c（85.96331803，82.68852496、70.40805096、67.95195616、27.83574108，NA），08/03/2019 = c（15.55526707，18.83006014、11.46177574、10.64307747，NA，NA），08/03/2019 = c（16.37396534，22.10485321、13.09917227、11.46177574，NA，NA），11/03/2019 = c（112.9803608，103.9746799、98.24379203、50.75929255、29.47313761，NA），11/03/2019 = c（25.37964627，24.56094801，21.28615494，19.64875841，NA，NA），11/03/2019 = c（28.65443934，22.92355147、19.64875841、19.64875841，NA，NA），18/03/2019 = c（139.1787054，130.9917227、129.3543262、54.03408562、34.38532721，NA），28/03/2019 = c（110.524266，115.4364556，81.86982669，0，0，NA）），row.names = c（NA，-6L），class =“ data.frame”）

Answer 1

这里是使用tidyverse的解决方案：

# library
library(lubridate)
library(tidyverse)

# add week # as group
dfswe<- dfswe %>% 
  mutate(week=lubridate::week(dmy(date))) #you have to adjust dmy to your actual data

# draw plot
ggplot(aes(x=week, y=SWE, fill=factor(colcolours))) + #change y according to your actual data
  geom_boxplot() +
  labs(title="SWE over time",
       x ="TIME [Week # of 2020]",
       y = "SWE [mm]") +
  guides(fill=FALSE)