如何在R语言的tibble中将数值型Time变量转为分区间的因子？

当然可以直接基于tibble完成这个操作，不需要转换成dataframe。下面给你两种实用的方法，都是tidyverse生态下适配tibble的常规操作：

方法1：使用cut()函数快速划分区间 #

cut()是R中专门用于数值变量分箱的函数，结合dplyr的mutate()可以直接在tibble上生成分类因子：

library(tidyverse)

# 假设你的tibble对象名为df
df <- df %>%
  mutate(Time_cat = cut(
    x = Time,
    breaks = c(0, 6, 12, Inf),  # 设定区间分割点
    labels = c("0<=Time<6hr", "6hr<=Time<12hr", ">=12hr"),  # 对应区间的标签
    include.lowest = TRUE  # 确保0这个最小值被包含在第一个区间内
  ))

执行后，Time_cat会成为一个因子变量，每个观测值对应所属的时间区间。

方法2：使用case_when()自定义区间判断 #

如果你需要更灵活的区间逻辑（比如处理特殊值），可以用case_when()来手动定义规则，再转换为因子：

df <- df %>%
  mutate(Time_cat = case_when(
    Time >= 12 ~ ">=12hr",
    Time >= 6 & Time < 12 ~ "6hr<=Time<12hr",
    Time >= 0 & Time < 6 ~ "0<=Time<6hr",
    TRUE ~ NA_character_  # 捕获超出0-12范围的异常值，标记为NA
  ) %>% 
    factor(levels = c("0<=Time<6hr", "6hr<=Time<12hr", ">=12hr")))  # 转为因子并指定顺序

这里通过factor()的levels参数指定了因子的顺序，后续做逻辑回归（因为你的result是0/1的二分类变量）时，这个顺序会决定参考类别。

两种方法都不需要将tibble转换为dataframe，处理完成后就可以直接用Time_cat分析Time对result的影响。

内容的提问来源于stack exchange，提问作者Elvis