您在这里混杂了一些东西。

geom_*(stat="bin")首先根据您拥有的任何aes(group=?)对数据进行分组，然后将观察到的范围分为30个大小相等的bin。运行第一行时，您会收到警告：

  

stat_bin()使用bins = 30。用binwidth选择更好的价值。

如果查看该图，它并没有根据日期和月份进行分类，而是计算了1月1日至12月3日这30个时期中每个时期的发生次数。这大约是11天的时间。

您需要自己进行装箱：

library(dplyr)
library(lubridate)
df %>% group_by(month=month(dates)) %>% count
# A tibble: 10 x 2
# Groups:   month [10]
   month     n
   <dbl> <int>
 1     1     5
 2     4     2
 3     5     5
 4     6     7
 5     7     3
 6     8     1
 7     9     5
 8    10     1
 9    11     6
10    12     2

df %>% group_by(month=month(dates)) %>% count() %>%
  ggplot(aes(x=month,y=n)) + geom_line()

其余的，获取带有格式化的x轴标签。

df %>% group_by(month=month(dates)) %>% count() %>%
  ggplot(aes(x=month,y=n)) + geom_line() + 
  scale_x_continuous(breaks=1:12,labels=month.name)

您可能会喜欢theme(panel.grid.minor.x = element_blank())。

这是您要寻找的吗？

# aggregate data
df_plot <- df %>% mutate(month = lubridate::floor_date(dates,"month")) %>% 
                 group_by(month) %>% summarise(count = n())

# plot data
ggplot(aes(x = month,y = count),data = df_plot) + geom_line() +
  scale_x_date(date_breaks = "months",date_labels = "%b \n%Y") +
  labs(title = "Datecount")