如何高效统计各受试者DataFrame中4×4网格单元格的数据频次

我有一个包含Subject、RT1、RT2列的DataFrame，生成代码如下：

df <- data.frame(Subject = c(rep(1,15), rep(2,15)), RT1=rep(seq(100,1500,100),2), RT2 = rep(seq(200,3000,200),2))

需要按每个受试者，统计数据点落在指定4×4网格各单元格中的数量/频次（示例数据中两受试者数据相同，但实际数据不同）。网格的轴值定义如下：

x_axis <- c(220,350,700,1250,1800)
y_axis <- c(100,700,1400,2500,3500)

期望输出类似如下格式（示例为单个受试者）：

df2 <- data.frame("<x1"= c(1,0,0,0,0),
                  "x1-x2"= c(0,2,0,0,0),
                  "x2-x3"= c(0,0,4,0,0),
                  "x4-x5"= c(0,0,0,3,0)
                  )

已知一种逐个单元格统计的方法，但效率极低，需为每个单元格重复编写代码：

df %>%
  group_by(Subject)%>%
  count(between(df$RT1,0,180),between(df$RT2 ,0,210))%>%
  set_names(c("RT1","RT2","n"))%>%
  filter(if_all(RT1:RT2, ~ . %in% TRUE))

需要高效的解决方案。

可以利用cut()函数批量对RT1和RT2做区间分箱，结合分组统计与数据重塑实现，无需逐个单元格编写重复代码：

步骤1：定义区间标签 #

先为x、y轴的区间生成匹配需求的标签：

# 生成x轴区间标签
x_labels <- c("<x1", paste0("x", 1:(length(x_axis)-2), "-x", 2:(length(x_axis)-1)), paste0("x", length(x_axis)-1, "-x", length(x_axis)))
# 生成y轴区间标签（对应输出的行）
y_labels <- c("<y1", paste0("y", 1:(length(y_axis)-2), "-y", 2:(length(y_axis)-1)), paste0("y", length(y_axis)-1, "-y", length(y_axis)))

步骤2：分箱+统计+重塑 #

通过cut()完成批量分箱，再按受试者、区间统计频次，最后转为目标宽表格式：

library(tidyverse)

result <- df %>%
  group_by(Subject) %>%
  mutate(
    # 对RT1按x_axis分箱，补充左边界0，左闭右开
    RT1_bin = cut(RT1, breaks = c(0, x_axis), labels = x_labels, include.lowest = TRUE),
    # 对RT2按y_axis分箱，补充左边界0
    RT2_bin = cut(RT2, breaks = c(0, y_axis), labels = y_labels, include.lowest = TRUE)
  ) %>%
  count(RT1_bin, RT2_bin, name = "freq") %>%
  # 转为宽表，缺失单元格填充0
  pivot_wider(names_from = RT1_bin, values_from = freq, values_fill = 0) %>%
  # 将y区间设为行名（可选，匹配示例格式）
  column_to_rownames("RT2_bin")

关键说明 #

• cut()一次性完成所有区间划分，替代重复的between()逻辑
• pivot_wider()自动将x区间转为列、y区间转为行，缺失单元格自动补0
• 结果按受试者分组，每个受试者对应一个符合需求的频次矩阵

示例输出 #

以测试数据为例，受试者1的输出如下：

<x1 x1-x2 x2-x3 x3-x4 x4-x5
<y1        1     0     0     0     0
y1-y2      0     2     0     0     0
y2-y3      0     0     4     0     0
y3-y4      0     0     0     3     0
y4-y5      0     0     0     0     5

内容的提问来源于stack exchange，提问作者L_ROTOLO