使用cut()函数为数据集添加区间类时返回NA值的问题排查

问题重现 #

你希望基于以下数据集，为每行的Position字段添加对应LimAm到LimAv的区间类：

df <- structure(list(Position = c(1925.12260901036, 2463.70794121719, 
1282.23738714798), ID = c(11, 12, 24), LimAm = c(39943.8043856595, 
40482.3897178663, 39300.9191637971), LimAv = c(40443.8043856595, 
40982.3897178663, 39800.9191637971)), row.names = c(NA, -3L), class = c("tbl_df", 
"tbl", "data.frame"))

但执行以下代码后，class列全为NA：

df %>% mutate(class=cut(Position,c(LimAm, LimAv),include.lowest = FALSE))

输出结果：

# A tibble: 3 × 5
  Position    ID  LimAm  LimAv class
     <dbl> <dbl>  <dbl>  <dbl> <fct>
1    1925.    11 39944. 40444. NA   
2    2464.    12 40482. 40982. NA   
3    1282.    24 39301. 39801. NA

原因解析 #

1. 数值本身不匹配 #

所有Position的取值（1925、2464、1282）都远小于对应行的LimAm（39944、40482、39301），自然不在(LimAm, LimAv]这个区间内，返回NA是符合逻辑的结果。

2. cut()函数的用法误解 #

cut()的第二个参数breaks要求是全局统一的分割点向量，而非逐行对应的区间。当你传入c(LimAm, LimAv)时，它会把所有行的LimAm和LimAv合并成一个全局分割序列（比如示例中是c(39943.8,40482.39,39300.92,40443.8,40982.39,39800.92)），然后将每个Position放到这个全局分割的区间中，而非逐行匹配自身的LimAm和LimAv。
之前代码能正常运行是巧合——当时的Position刚好落在全局分割后的某个区间里，新增数据后全局分割区间变化，或者Position不再匹配，就出现了NA。

正确解决办法 #

要实现逐行判断Position是否在对应行的(LimAm, LimAv]区间，需要用逐行处理的方式，比如结合rowwise()或者purrr包的map2()：

方法1：用rowwise()逐行处理 #

library(dplyr)

df %>%
  rowwise() %>%
  # 先判断是否在区间内，再生成区间标签或NA
  mutate(class = ifelse(Position > LimAm & Position <= LimAv,
                        paste0("(", round(LimAm, 1), ";", round(LimAv, 1), "]"),
                        NA_character_)) %>%
  ungroup()

如果想保留cut()生成的因子型结果，也可以在rowwise()内调用cut()：

df %>%
  rowwise() %>%
  mutate(class = cut(Position, breaks = c(LimAm, LimAv), include.lowest = FALSE)) %>%
  ungroup()

方法2：用purrr::map2()逐行生成结果 #

library(dplyr)
library(purrr)

df %>%
  mutate(class = map2_chr(LimAm, LimAv, ~{
    ifelse(Position > .x & Position <= .y,
           paste0("(", round(.x, 1), ";", round(.y, 1), "]"),
           NA_character_)
  }))

补充说明 #

如果之前的数据集能正常运行，大概率是当时的Position数值落在了全局分割后的某个区间，或者你误将逐行区间的逻辑用在了全局分割上。正确的逐行区间匹配必须明确处理每行的独立区间，而不是依赖cut()的全局分割特性。

内容的提问来源于stack exchange，提问作者C. Guff