在R语言中按日期分组统计数据条数的方法问询

针对你提供的这份R数据集（存在重复日期、部分日期无记录，还有缺失的date值），下面给你两种实用的解决思路，你可以根据自己的习惯选择：

第一步：先把日期转成标准格式 #

原数据里的date列是字符串（比如01/18/2017），首先得把它转成R能识别的日期类型，同时保留缺失值的标记：

# 转换日期格式，注意原格式是「月/日/年」
z$date <- as.Date(z$date, format = "%m/%d/%Y")

转换后，原来空的date会变成NA，方便后续统计。

方案一：用原生base R快速统计 #

如果不想加载额外的包，直接用table()就能搞定，它会自动把缺失日期的记录也统计进去：

# 统计每日条数，包含缺失日期的记录
daily_counts <- table(z$date, useNA = "ifany")

# 转成数据框，看起来更直观
as.data.frame(daily_counts)

输出结果会像这样（包含所有日期和缺失组的计数）：

Var1 Freq

1 1994-11-19 1
2 2013-11-15 1
3 2013-11-24 1
4 2013-12-28 1
5 2013-12-31 1
6 1
7 2014-01-03 1
8 2014-01-08 1
9 2017-01-18 1
10 2017-01-22 1

方案二：用dplyr（tidyverse）更灵活地统计 #

如果你平时常用tidyverse工具链，用dplyr的语法会更清晰，也方便后续做更多数据处理：

先确保加载dplyr包：

library(dplyr)

然后分组统计每日条数：

daily_counts <- z %>%
  group_by(date) %>%
  summarise(daily_count = n(), .groups = "drop")

# 查看结果，NA组会自动保留
print(daily_counts)

如果你的数据里有同一日期的多条记录，这个代码会自动累加计数，比如某日期有3条记录，daily_count就会显示3。

额外需求：补全所有日期（包括无记录的日子） #

要是你想把数据时间范围内的每一天都列出来，哪怕当天没有记录也显示0，可以这么做：

# 生成从最早到最晚的连续日期序列
date_sequence <- seq(min(z$date, na.rm = TRUE), max(z$date, na.rm = TRUE), by = "day")

# 转成数据框
all_dates <- data.frame(date = date_sequence)

# 左连接统计结果，把无记录日期的计数补为0
complete_daily_counts <- all_dates %>%
  left_join(daily_counts, by = "date") %>%
  mutate(daily_count = replace_na(daily_count, 0))

print(complete_daily_counts)

这样就能得到连续的日期统计，没有数据的日期会显示daily_count = 0。

内容的提问来源于stack exchange，提问作者kpollander