如何对30-100岁的寿命预期数据集进行非均匀归一化？

我有一组取值在30到100之间的寿命预期数据集，需要将其非均匀归一化到0-1区间。已定义4个断点将数据划分为5个类别，具体断点设置如下：

目前可以将数据重分类到这5个类别，但不知道如何利用这些断点计算每个年龄对应的精确归一化值。每个类别的归一化值跨度均为0.2，但对应的年龄跨度不同（例如0-0.2类别对应27年的年龄跨度，0.2-0.4类别仅对应5年的年龄跨度）。

示例数据：

ages <- floor(runif(50, min = 30, max = 100))

补充说明：需要实现x轴（寿命预期）到y轴（归一化值）的精确映射，每个x值对应唯一的y值。

解决方案：分段线性插值计算 #

核心思路是在每个断点区间内，将年龄的相对位置线性映射到归一化值的区间内，从而得到精确的归一化结果。以下是R语言的实现代码：

1. 定义断点的年龄与对应归一化值

break_ages <- c(30, 57, 62, 66, 71, 100)
norm_values <- c(0, 0.2, 0.4, 0.6, 0.8, 1)

2. 编写归一化函数

non_uniform_normalize <- function(age) {
  idx <- findInterval(age, break_ages)
  # 处理等于最大年龄的边界情况
  if (idx == length(break_ages)) {
    return(1)
  }
  # 获取当前区间的上下限参数
  lower_age <- break_ages[idx]
  upper_age <- break_ages[idx + 1]
  lower_norm <- norm_values[idx]
  upper_norm <- norm_values[idx + 1]
  # 线性插值计算归一化值
  lower_norm + (age - lower_age) * (upper_norm - lower_norm) / (upper_age - lower_age)
}

3. 应用到示例数据

# 计算所有年龄的归一化值
normalized_ages <- sapply(ages, non_uniform_normalize)
# 查看结果
data.frame(Age = ages, Normalized_Value = round(normalized_ages, 4))

该函数会自动判断每个年龄所属的断点区间，通过线性插值计算出对应的精确归一化值，完全匹配设定的非均匀映射规则。

内容的提问来源于stack exchange，提问作者Xandian97