在过去的五年中，我有一个假设公司的季度股息支付历史。这是可重现的代码：
Date<-as.Date(c("2013-11-01", "2014-02-01", "2014-05-01", "2014-08-01", "2014-11-01", "2015-02-01", "2015-05-01", "2015-08-01", "2015-11-01", "2016-02-01", "2016-05-01", "2016-08-01", "2016-11-01", "2017-02-01", "2017-05-01", "2017-08-01", "2017-11-01", "2018-02-01", "2018-05-01", "2018-08-01"))
Dividend<-c(0.08, 0.10, 0.10, 0.10, 0.10, 0.11, 0.00, 0.11, 0.11, 0.13, 0.13, 0.13, 0.13, 0.14, 0.14, 0.00, 0.16, 0.15, 0.15, 0.15)
data.frame(Date,Dividend)
以下输出：
Date Dividend
1 2013-11-01 0.08
2 2014-02-01 0.10
3 2014-05-01 0.10
4 2014-08-01 0.10
5 2014-11-01 0.10
6 2015-02-01 0.11
7 2015-05-01 0.00
8 2015-08-01 0.11
9 2015-11-01 0.11
10 2016-02-01 0.13
11 2016-05-01 0.13
12 2016-08-01 0.13
13 2016-11-01 0.13
14 2017-02-01 0.14
15 2017-05-01 0.14
16 2017-08-01 0.00
17 2017-11-01 0.16
18 2018-02-01 0.15
19 2018-05-01 0.15
20 2018-08-01 0.15
我的问题是如何将其转换为显示每个COMPLETE年度支付股息的产出，如果它们不完整（如本例中为2013年和2018年）而忽略了第一年和最后几年，并且不假设年度股息总是等于季度股息x 4（在我的例子中，2015年和2017年没有相同数量的季度股息）。
所以输出看起来像这样：
Date Dividend
2014 0.40
2015 0.33
2016 0.52
2017 0.44
你如何定义不完整？要么你知道公司每年有4个div支付或2个或1个（或12个）。根据你的推理，没有其他答案是正确的，因为他们只是假设第一年和最后一年不应该被考虑在内，但是在2018年11月第四次付款时会发生什么？
由于您使用的是quantmod，因此数据应采用xts格式。使用apply.yearly将数据汇总到年度行，使用数据集中每年的最后一个可用日期。我使用函数的FUN部分返回2列，1列有累计红利，1表示年内支付的红利数。由于公司倾向于进行结构性股息支付（1,2,4或12），您可以使用最大数量的div支付来过滤掉不符合此要求的年份。
当你有像年度特别股息这样的特殊股息时，这可能会失败。支付股息的开始并不总是符合规则。微软在2013年开始支付股息，在季度支付之后只支付了2笔款项。
df1 <- data.frame(Date = as.Date(c("2013-11-01", "2014-02-01", "2014-05-01", "2014-08-01", "2014-11-01", "2015-02-01", "2015-05-01", "2015-08-01", "2015-11-01", "2016-02-01", "2016-05-01", "2016-08-01", "2016-11-01", "2017-02-01", "2017-05-01", "2017-08-01", "2017-11-01", "2018-02-01", "2018-05-01", "2018-08-01")),
Dividend = c(0.08, 0.10, 0.10, 0.10, 0.10, 0.11, 0.00, 0.11, 0.11, 0.13, 0.13, 0.13, 0.13, 0.14, 0.14, 0.00, 0.16, 0.15, 0.15, 0.15))
# data in xts form since quantmod is being used.
my_xts <- xts(df1$Dividend, order.by = df1$Date)
annual_data <- apply.yearly(my_xts, function(x) as.matrix(data.frame(sum(x), length(x))) )
names(annual_data) <- c("total_divs", "no_divs")
# filter data to include only maximum dividens
annual_data[annual_data$no_divs == max(annual_data$no_divs)]
total_divs no_divs
2014-11-01 0.40 4
2015-11-01 0.33 4
2016-11-01 0.52 4
2017-11-01 0.44 4
我们可以从数据帧中删除最大和最小year，然后按year分组并进行总和。
library(dplyr)
library(lubridate)
df %>%
filter(year(Date) != min(year(Date)) & year(Date) != max(year(Date))) %>%
group_by(year = year(Date)) %>%
summarise(Dividend = sum(Dividend))
# year Dividend
# <dbl> <dbl>
#1 2014 0.4
#2 2015 0.33
#3 2016 0.52
#4 2017 0.44
它的基础R等价物
df$Year <- as.numeric(format(df$Date, "%Y"))
aggregate(Dividend~Year, df[with(df, Year != min(Year) & Year != max(Year)), ],sum)
# Year Dividend
#1 2014 0.40
#2 2015 0.33
#3 2016 0.52
#4 2017 0.44
有了data.table你可以试试
df<-data.frame(Date,Dividend)
library(data.table)
setDT(df)[,.(TotDiv=sum(Dividend)),
by=year(Date), ][-c(which.min(year),which.max(year))]
year TotDiv
1: 2014 0.40
2: 2015 0.33
3: 2016 0.52
4: 2017 0.44