R ggplot2预测日期格式

R ggplot2预测日期格式,r,R,很难让预测自动绘图(ggplot)上的x轴显示日期为“%m/%d/%y”,而不是十进制格式。我找到了一个解决方案,将+缩放x_日期(labels=format(“%m/%d/%y”))添加到ggplot上,但这给了我已经存在的x轴的错误以及无效输入。这似乎应该像将十进制格式转换为日期一样简单,因为从头开始构建整个x轴似乎需要做更多的工作 这是我的密码: library(forecast) library(lubridate) library(ggplot2) library(gg

很难让预测自动绘图(ggplot)上的x轴显示日期为
“%m/%d/%y”
,而不是十进制格式。我找到了一个解决方案,将
+缩放x_日期(labels=format(“%m/%d/%y”))
添加到ggplot上,但这给了我已经存在的x轴的错误以及无效输入。这似乎应该像将十进制格式转换为日期一样简单,因为从头开始构建整个x轴似乎需要做更多的工作

这是我的密码:

  library(forecast)
  library(lubridate)
  library(ggplot2)
  library(ggfortify)
  library(scales)


  ActualDemand <- c(250, 800 , 500, 4000)
  STRING_DATE <- c("05/13/2017","05/06/2017", "5/20/2017", "05/27/2017")

  dataset <- data.frame(ActualDemand, STRING_DATE)

  #convert from string to date
  dataset$STRING_DATE = lubridate::mdy(dataset$STRING_DATE)
  dataRowCount <- nrow(dataset)

  #find start date
  startDate <- NULL

  for (i in 1:dataRowCount) {
    if (i == 1) {
      startDate <- dataset[i, 2]
      next
    }

    compareDate <- dataset[i,2]

    if (compareDate < startDate) {
      startDate <- compareDate
    } else {
      next
    }
  }

  #transformed set
  datasetSorted <- dataset[order(dataset$STRING_DATE),]

  #build time series, run outlier detection
  ts <- ts(datasetSorted$ActualDemand, frequency = 52, start = c(year(startDate), week(startDate)))
  print(week(startDate))
  cleaned_ts <- tsclean(ts)

  #forecast algorithm
  tbat_model <- tbats(cleaned_ts)
  tbat_forecast <- forecast(tbat_model, h=26)

  autoplot(tbat_forecast)
库(预测)
图书馆(lubridate)
图书馆(GG2)
图书馆(GGF)
图书馆(比例尺)

事实上,希望你能早点解决。如果不是(对其他人来说),我在过去的几个小时里一直在试图解决同样的问题,所以下面是我的解决方案:

只需将代码的最后几行修改为:

my_date_transform <- function(x) {format(date_decimal(x), "%m/%d/%y")}
autoplot(tbat_forecast)+
  scale_x_continuous(labels = my_date_transform)
my\u date\u转换