嘿，既然你已经在使用tidyverse生态了，那用它的工具来实现你想要的频率统计简直得心应手！这里有几种简单直接的方法：

方法1：用count()函数（最简洁） #

count()是tidyverse里专门用来统计分组出现次数的函数，一行代码就能搞定：

library(tidyverse)
library(lubridate)

# 你的数据集
myDF <- tibble(country = rep(c("UK", "US"), each = 3), 
               date = c("2020-01-01", "2020-02-01", "2020-02-01", "2020-03-01", "2020-03-01", "2020-03-01")) %>% 
  mutate(date = as_date(date))

# 生成频率表
myDF %>% 
  count(date, name = "freq")

执行后你会得到完美符合需求的输出：

# A tibble: 3 × 2
  date       freq
  <date>     <int>
1 2020-01-01     1
2 2020-02-01     2
3 2020-03-01     3

方法2：group_by() + summarise()（更灵活） #

如果之后需要扩展统计其他指标，这种组合方式更灵活：

myDF %>% 
  group_by(date) %>% 
  summarise(freq = n(), .groups = "drop")

• group_by(date) 按日期列分组
• summarise(freq = n()) 计算每组的行数（即出现频率）
• .groups = "drop" 取消分组状态，返回普通的tibble

额外技巧：按频率排序 #

如果想把结果按频率从高到低排列，只需在后面加个arrange()：

myDF %>% 
  count(date, name = "freq") %>% 
  arrange(desc(freq))

输出会变成：

# A tibble: 3 × 2
  date       freq
  <date>     <int>
1 2020-03-01     3
2 2020-02-01     2
3 2020-01-01     1

内容的提问来源于stack exchange，提问作者kiwi