如何在R中统计中国股市各月交易日数并找出最少交易日的年月及数值？

没问题，这个需求用R的dplyr和lubridate包就能轻松搞定，我给你一步步拆解操作：

步骤1：准备工作（确保日期格式正确） #

首先得确认你的date列是标准的日期类型，如果原始数据里是字符串格式，先转换一下：

# 假设你的数据框名为stock_data
stock_data$date <- as.Date(stock_data$date)

步骤2：加载必要的工具包 #

我们需要用dplyr做分组统计，lubridate处理日期格式，先加载它们：

library(dplyr)
library(lubridate)

步骤3：统计各年月的交易日数量 #

这里有两种常用的分组方式，选你习惯的就行：

方式一：用lubridate的floor_date生成年月标识 #

把每个日期截断到当月第一天，以此作为分组依据：

monthly_trading_stats <- stock_data %>%
  # 生成年月分组标识（比如1995-01-01代表1995年1月）
  mutate(year_month = floor_date(date, "month")) %>%
  # 按年月分组
  group_by(year_month) %>%
  # 统计每组的行数（即交易日数量）
  summarise(trading_days = n()) %>%
  # 取消分组状态
  ungroup()

方式二：用format生成"YYYY-MM"格式的年月字符串 #

直接把日期转换成1995-01这样的字符串，分组更直观：

monthly_trading_stats <- stock_data %>%
  mutate(year_month = format(date, "%Y-%m")) %>%
  group_by(year_month) %>%
  summarise(trading_days = n()) %>%
  ungroup()

步骤4：找出交易日最少的年月 #

用min()函数定位最小值，再筛选出对应的行（如果有多个年月交易日数量相同且都是最小值，会全部列出）：

min_trading_record <- monthly_trading_stats %>%
  filter(trading_days == min(trading_days))

# 查看结果
print(min_trading_record)

举个例子，运行后你会得到类似这样的输出：

# A tibble: 1 × 2
  year_month trading_days
  <chr>             <int>
1 2020-01              17

这样就轻松搞定了统计和查找的需求～

内容的提问来源于stack exchange，提问作者27182818