在R语言中为含数字与字符的列创建区间分类

问题背景 #

现有如下数据框df：

df <- data.frame(a= 1:14,
                 b= c(-1,-10,-2,0,0,2,1,4,10,12,6, "apple", "apple", "Orange"))

需要新增列c，规则为：

• 若b是数值（正负或0），则分为<0、0、0-3、>3四类；
• 若b是字符，c直接取b的原值。
  目标结果如下：

df2
    a      b      c
1   1     -1     <0
2   2    -10     <0
3   3     -2     <0
4   4      0      0
5   5      0      0
6   6      2    0-3
7   7      1    0-3
8   8      4     >3
9   9     10     >3
10 10     12     >3
11 11      6     >3
12 12  apple  apple
13 13  apple  apple
14 14 Orange Orange

原尝试代码存在逻辑和语法问题，以下是优化建议：

原代码的问题 #

1. 逻辑错误：b %in% grepl("apple|orange", b)写法完全错误，grepl返回布尔向量，b是字符/混合类型，两者无法匹配；
2. 语法错误：case_when的第一个条件后多了一个右括号，导致代码无法运行；
3. 局限性强：仅判断特定字符（apple/orange），如果后续出现其他字符值会失效；
4. 极值不灵活：用-999和999作为极值，可能遗漏超出范围的数值；
5. 类型不一致：cut返回因子类型，和字符值混合会导致列c类型混乱。

优化后的代码 #

library(dplyr)

df %>%
  mutate(
    c = case_when(
      # 识别无法转换为数值的行，直接返回原值
      is.na(as.numeric(b)) ~ b,
      # 对数值型数据进行分组
      TRUE ~ cut(
        as.numeric(b),
        breaks = c(-Inf, 0, 1, 4, Inf),
        labels = c("<0", "0", "0-3", ">3"),
        right = FALSE
      ) %>% as.character()
    )
  )

优化说明 #

• 通用的数值判断：用is.na(as.numeric(b))识别所有非数值型内容，不管是apple还是其他字符都能适配；
• 全覆盖的区间：用-Inf和Inf替代固定极值，确保任何数值都能被分到对应组；
• 正确的区间规则：right = FALSE设定左闭右开区间，完美匹配需求：
  • (-Inf, 0) → <0
  • [0, 1) → 0
  • [1, 4) → 0-3
  • [4, Inf) → >3
• 统一类型：将cut返回的因子转为字符型，保证列c整体为字符类型，避免混合类型问题；
• 代码可读性：调整缩进，让逻辑层级更清晰。

内容的提问来源于stack exchange，提问作者Mathica