如何在R中将离散频率表合并为更少区间的汇总表

一、实现各区间units数量大致相等的汇总表 #

核心思路是基于units的累积和，用分位数切割分组，确保每组的units总和接近。以下是具体步骤（需加载dplyr包）：

1. 计算units的累积和并以此划分区间：

library(dplyr)

# 示例数据
table <- data.frame(number = c(1:10),
                   units = c(800, 780,500, 430, 200, 189, 110, 86, 54, 31))

# 按累积和分位数分组（示例分3组，可调整length.out数值改变分组数）
summary_table <- table %>%
  mutate(cum_units = cumsum(units)) %>%
  mutate(group = cut(cum_units, 
                     breaks = quantile(cum_units, probs = seq(0, 1, length.out = 4)),
                     include.lowest = TRUE)) %>%
  group_by(group) %>%
  summarise(
    number区间 = paste(min(number), max(number), sep = "-"),
    总units数量 = sum(units)
  )

print(summary_table)

运行后会得到每组的number区间和对应的units总和，各组units数量大致均衡。调整length.out的数值即可修改分组数量。

二、自定义区间合并 #

如果需要手动指定number的区间，可直接用cut()函数定义范围再汇总：

方法1：基础R实现 #

# 自定义区间（示例：1-3、4-6、7-10）
table$custom_interval <- cut(table$number, 
                             breaks = c(0, 3, 6, 10), 
                             labels = c("1-3", "4-6", "7-10"),
                             include.lowest = TRUE)

# 汇总自定义区间的units总和
custom_summary <- aggregate(units ~ custom_interval, data = table, sum)
print(custom_summary)

方法2：dplyr实现 #

custom_summary <- table %>%
  mutate(custom_interval = cut(number, 
                               breaks = c(0, 3, 6, 10), 
                               labels = c("1-3", "4-6", "7-10"),
                               include.lowest = TRUE)) %>%
  group_by(custom_interval) %>%
  summarise(总units数量 = sum(units))

print(custom_summary)

可根据需求修改breaks和labels参数，自定义任意区间范围。

内容的提问来源于stack exchange，提问作者Monelisa