R语言：如何按步长将连续变量批量生成分类分组列？

对于大范围固定步长的场景，手动编写几十个case_when完全没必要，用cut+model.matrix的组合可以高效生成所有分组哑变量，还能自动匹配你需要的列名格式：

# 生成示例数据
set.seed(123) # 固定随机种子方便复现结果
score <- sample(0:4000, 100, replace = TRUE)
df <- data.frame(score)

# 1. 用cut划分左闭右开区间
breaks <- seq(0, 4000, by = 20)
df$group <- cut(df$score, breaks = breaks, include.lowest = TRUE, right = FALSE)

# 2. 生成哑变量矩阵并转为数据框
dummy_matrix <- model.matrix(~ group - 1, data = df) # -1用于移除截距项

# 3. 统一调整列名为G1_0_20、G2_20_40格式
colnames(dummy_matrix) <- paste0(
  "G", 1:length(breaks)-1, 
  "_", breaks[-length(breaks)], 
  "_", breaks[-1]
)

# 4. 合并到原数据框并清理临时列
df <- cbind(df, dummy_matrix)
df$group <- NULL
df[is.na(df)] <- 0 # 处理score刚好等于4000的NA情况

核心逻辑：cut的right=FALSE实现左闭右开规则，include.lowest=TRUE确保第一个区间包含0；model.matrix自动生成每个区间的哑变量，最后通过breaks序列直接批量生成规范列名，完全无需手动定义每个分组。

混合步长需要先自定义所有区间边界，再沿用上述思路处理，精准匹配你的分组规则：

# 生成示例数据
set.seed(456)
score <- sample(c(0:100, 200:300), 50, replace = TRUE)
df <- data.frame(score)

# 1. 自定义混合步长的区间边界与对应列名
custom_breaks <- c(0, 20, 40, 60, 80, 100, 200, 300)
custom_colnames <- c("G1_0_20", "G2_20_40", "G3_40_60", "G4_60_80", "G5_80_100", "G6_200_300")

# 2. 划分左闭右开区间
df$group <- cut(
  df$score, 
  breaks = custom_breaks, 
  include.lowest = TRUE, 
  right = FALSE,
  labels = custom_colnames[1:6] # 只保留需要的分组标签
)

# 3. 生成哑变量并合并
dummy_matrix <- model.matrix(~ group - 1, data = df)
colnames(dummy_matrix) <- custom_colnames
df <- cbind(df, dummy_matrix)
df$group <- NULL
df[is.na(df)] <- 0 # 处理100-200区间的score（归为0）

如果需要处理超出指定范围的score，可提前用case_when统一归类：

df$group <- case_when(
  score >=0 & score <100 ~ cut(score, breaks = seq(0,100,20), right=FALSE, labels=custom_colnames[1:5]),
  score >=200 & score <300 ~ "G6_200_300",
  TRUE ~ "Other" # 其他范围统一归为Other组
)

内容的提问来源于stack exchange，提问作者Bruh