如何将数值列按自定义区间转换为单一因子列？

核心需求 #

将数据框中的数值列X转换为单一因子列，对应三个指定区间：

• 水平1：X=3
• 水平2：4≤X≤30
• 水平3：X>30
  同时保留原数据框的行结构与其他列。

方法一：使用dplyr的case_when（灵活直观） #

适合使用tidyverse生态的场景，精准匹配区间并生成因子列：

library(dplyr)

# 生成原始数据
set.seed(0)
df1 <- data.frame(Y = floor(runif(10, min=0, max=10)), 
                 X = floor(runif(10, min=0, max=50)))

# 添加因子列到原数据框
df1 <- df1 %>%
  mutate(
    # 先按区间分组
    X_group = case_when(
      X == 3 ~ "X=3",
      X >= 4 & X <= 30 ~ "4≤X≤30",
      X > 30 ~ "X>30",
      TRUE ~ NA_character_  # 处理意外值（如NA）
    ),
    # 转换为因子并指定水平顺序
    X_factor = factor(X_group, levels = c("X=3", "4≤X≤30", "X>30"))
  ) %>%
  select(-X_group)  # 可选：删除中间分组列

# 查看结果
str(df1)
head(df1)

方法二：Base R原生实现（无需额外包） #

通过嵌套ifelse生成分组，再转为因子：

# 生成原始数据
set.seed(0)
df1 <- data.frame(Y = floor(runif(10, min=0, max=10)), 
                 X = floor(runif(10, min=0, max=50)))

# 直接在原数据框添加因子列
df1$X_factor <- factor(
  ifelse(df1$X == 3, "X=3",
         ifelse(df1$X >= 4 & df1$X <= 30, "4≤X≤30",
                ifelse(df1$X > 30, "X>30", NA))),
  levels = c("X=3", "4≤X≤30", "X>30")
)

# 查看结果
str(df1)
head(df1)

原方法的问题说明 #

你之前创建三个独立二进制因子列的方式，不仅不符合「单一因子列」的需求，还存在以下问题：

1. 后续cbind时写错了列名（df1$X1等不存在，应为df1$fac1），导致报错
2. 多列二进制因子会增加数据冗余，且无法直接作为分类变量用于后续统计分析
3. 手动合并列容易破坏原数据框的行结构（若操作不当）

上述两种方法均直接在原数据框中添加新列，完全保留行顺序与原有结构，同时精准实现区间分组。

内容的提问来源于stack exchange，提问作者holala