R语言中cut函数无法生成预期数量的区间该如何解决？

你遇到的问题是因为cut()函数在传入整数作为breaks参数时，会调用pretty()生成“美观”的断点，而非严格按指定数量划分区间。当数据范围狭窄时，这种“美观”的断点可能导致部分区间没有数据，就像你设置3个区间时Medium类别为空的情况。

下面提供两种可行的解决方法：

方法1：按分位数划分断点（保证每个区间有数据） #

通过quantile()计算数据的分位数作为断点，确保每个区间都能分配到数据：

temp <- c(8.32, 8.43, 8.41, 7.86, 7.98, 7.86, 8.07, 8.51, 7.92, 7.94, 8.36)
# 生成0%、33.3%、66.6%、100%分位数作为4个断点（对应3个区间）
bins <- quantile(temp, probs = seq(0, 1, length.out = 4))
labels <- c("Low","Medium","High")

# include.lowest=TRUE确保最小值被包含在第一个区间
categories <- cut(temp, breaks = bins, labels = labels, include.lowest = TRUE)

categories

运行后你会看到Medium类别出现，分位数划分会把数据相对均匀地分配到各个区间。

方法2：强制等距划分区间（不管区间大小） #

用seq()生成严格等距的断点，强制分成指定数量的区间：

temp <- c(8.32, 8.43, 8.41, 7.86, 7.98, 7.86, 8.07, 8.51, 7.92, 7.94, 8.36)
min_temp <- min(temp)
max_temp <- max(temp)
# 从最小值到最大值，生成4个等距断点（对应3个区间）
bins <- seq(min_temp, max_temp, length.out = 4)
labels <- c("Low","Medium","High")

categories <- cut(temp, breaks = bins, labels = labels, include.lowest = TRUE)

categories

这种方法会忽略“美观”的断点要求，严格按等距划分，即使区间范围很小，也能保证每个区间都有数据（只要数据不是完全相同）。

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