R中对身高年龄分等频组后计算自行车拥有率，代码是否正确？

你的代码分组逻辑不符合需求，但后续计算占比的部分是正确的。

核心问题：分组方式错误 #

你要求将height和age分成等大小的组（每组人数大致相同），但当前使用的cut(x, breaks=5)是把变量的数值范围平分为5段，而非按样本数量的分位数分组。这种分组方式会导致每组的人数差异较大，无法满足“各组人数大致相同”的要求。

正确的分组方法 #

要实现等大小分组，有两种常用方案：

• 方案1：用dplyr::ntile()直接生成1-5的组编号，简单高效；
• 方案2：用cut()结合quantile()生成带具体数值范围的分组标签，更贴合你想要的“年龄30-35岁”这类直观表述。

修正后的完整代码

这里采用方案2，保留分组范围的可读性：

library(dplyr)

set.seed(123)
n <- 100
country <- sample(c("USA", "Canada", "UK"), n, replace = TRUE)
gender <- sample(c("M", "F"), n, replace = TRUE)
age <- sample(18:100, n, replace = TRUE)
height <- runif(n, min = 150, max = 180)
owns_bicycle <- sample(c("Yes", "No"), n, replace = TRUE)

df <- data.frame(country, gender, age, height, owns_bicycle)

# 修正分组逻辑：按分位数生成等大小组
final <- df %>%
  mutate(
    # 按身高的分位数分成5组，include.lowest=TRUE确保最小值被包含
    height_group = cut(height, breaks = quantile(height, probs = seq(0, 1, 0.2)), include.lowest = TRUE),
    # 按年龄的分位数分成5组
    age_group = cut(age, breaks = quantile(age, probs = seq(0, 1, 0.2)), include.lowest = TRUE)
  ) %>%
  group_by(country, gender, height_group, age_group) %>%
  summarise(
    count = n(),
    percent_own_bicycle = mean(owns_bicycle == "Yes") * 100,
    .groups = "drop"  # 取消分组，避免输出残留分组信息
  )

# 查看结果
head(final)

修正后的输出示例

# A tibble: 6 x 6
  country gender height_group  age_group   count percent_own_bicycle
  <chr>   <chr>  <fct>         <fct>       <int>               <dbl>
1 Canada  F      [150.1,156.3] [18,31]         3                33.3
2 Canada  F      [150.1,156.3] (31,47]         2                 0  
3 Canada  F      [150.1,156.3] (63,80]         1               100  
4 Canada  F      (156.3,162.4] [18,31]         1                 0  
5 Canada  F      (156.3,162.4] (31,47]         2                 0  
6 Canada  F      (156.3,162.4] (47,63]         1                 0  

验证分组大小 #

你可以通过以下代码查看每个分组的人数，确认是否大致相同：

# 查看身高分组的人数分布
df %>% mutate(height_group = ntile(height, 5)) %>% count(height_group)
# 查看年龄分组的人数分布
df %>% mutate(age_group = ntile(age, 5)) %>% count(age_group)

输出会显示每个组的人数基本为20左右（总样本100，5组每组约20），符合你“各组人数大致相同”的要求。

内容的提问来源于stack exchange，提问作者stats_noob