如何在R中对连续变量分箱并保留数值特征（转为区间中点）

你需要对连续数值变量做分箱处理，但不想转成因子类型，而是把每个原始值替换为对应分箱区间的中点，方便后续绘图和数值运算。比如用cut_width生成的(20,22]区间对应中点21，(14,16]区间对应中点15。

方法1：基于已生成的分箱子变量计算中点 #

先按你的方式生成分箱因子，再提取区间上下界计算中点：

data(mtcars)
library(tidyverse)

# 先生成分箱子变量
mtcars <- mtcars %>% 
  mutate(mpg_binned = cut_width(mpg, 2, closed = "right", boundary = 10))

# 提取区间上下限并计算中点
mtcars <- mtcars %>%
  mutate(
    mpg_bin_mid = map_dbl(mpg_binned, function(x) {
      # 提取区间中的数字部分
      bounds <- str_extract_all(x, "\\d+\\.?\\d*") %>% unlist() %>% as.numeric()
      # 计算区间中点
      (bounds[1] + bounds[2]) / 2
    })
  )

# 查看结果
as_tibble(mtcars %>% select(mpg, mpg_binned, mpg_bin_mid))

输出示例：

# A tibble: 32 × 3
     mpg mpg_binned mpg_bin_mid
   <dbl> <fct>           <dbl>
 1  21   (20,22]            21
 2  21   (20,22]            21
 3  22.8 (22,24]            23
 4  21.4 (20,22]            21
 5  18.7 (18,20]            19
 6  18.1 (18,20]            19
 7  14.3 (14,16]            15
 8  24.4 (24,26]            25
 9  22.8 (22,24]            23
10  19.2 (18,20]            19
# … with 22 more rows

方法2：直接计算中点（无需先生成分箱子变量） #

如果不需要保留分箱因子标签，直接通过数学计算得到中点更高效，逻辑和cut_width的分箱规则完全对齐：

data(mtcars)
library(tidyverse)

# 定义分箱参数
boundary_val <- 10
width_val <- 2

mtcars <- mtcars %>%
  mutate(
    # 直接计算对应区间的中点
    mpg_bin_mid = boundary_val + width_val * (floor((mpg - boundary_val) / width_val) + 0.5),
    # 可选：如果需要分箱标签，再生成因子变量
    mpg_binned = cut_width(mpg, width_val, closed = "right", boundary = boundary_val)
  )

# 查看结果
as_tibble(mtcars %>% select(mpg, mpg_binned, mpg_bin_mid))

两种方法生成的mpg_bin_mid都是数值类型，完全满足后续绘图和数值运算的需求，其中方法2避免了字符串解析步骤，处理大数据集时速度更快。

内容的提问来源于stack exchange，提问作者Marco