如何将连续变量分箱为无重叠区间的离散变量？

要实现无重叠的区间标签+实际互斥的分箱，核心是调整cut函数的区间闭合逻辑，并同步修改标签生成规则，让标签表述与实际分箱区间完全对应，消除视觉上的重叠错觉。

修改后的代码 #

make_bins <- function(x, bins){
  
  maxVal <- max(x, na.rm = TRUE)
  minVal <- min(x, na.rm = TRUE)
  
  # 保留原整数规整逻辑，可按需删除
  if(maxVal %% 2 != 0){
    maxVal <- maxVal + 1
  }
  
  width <- maxVal / bins
  
  breaks <- seq(minVal, maxVal, by = width)
  breaks <- c(breaks, Inf)
  
  # 生成无重叠的区间标签：根据分箱闭合方向调整边界显示
  labels <- sapply(1:bins, function(i) {
    # 用极小值偏移避免标签端点重叠，整数场景可替换为1
    sprintf("%.2f-%.2f", round(breaks[i], 2), round(breaks[i+1] - 1e-9, 2))
  })
  # 最后一个区间改为大于等于起始值的表述
  labels[length(labels)] <- sprintf(">%.2f", round(breaks[length(breaks)-1], 2))
  
  # 右闭区间保证实际分箱完全互斥，包含最小值
  out <- cut(x, breaks = breaks, labels = labels, right = TRUE, include.lowest = TRUE)
  
  return(out)
}

关键修改说明 #

• 标签视觉去重叠：将标签的右边界减去极小值（1e-9），避免出现类似0.25-0.5的重叠端点写法，转为0.25-0.49这类视觉上完全独立的区间；如果是整数分箱场景，可直接将1e-9替换为1，生成1-4、5-10这类符合需求的标签。
• 实际分箱互斥性：cut函数的right=TRUE参数已确保区间为左开右闭（如(0,0.25]、(0.25,0.5]），实际分箱完全无重叠，仅需调整标签表述匹配用户视觉需求。

使用示例 #

# 连续值测试
values <- runif(100, min = 0, max = 1)
values_binned <- make_bins(values, bins = 4)
table(values_binned)

# 整数场景测试
int_values <- sample(1:15, 100, replace = TRUE)
int_binned <- make_bins(int_values, bins = 3)
table(int_binned)

内容的提问来源于stack exchange，提问作者SeniorAthlete