R语言：如何按Name分组对Score区间的Frequency求和并重构DataFrame？

你的需求可以通过两种简便方式实现，分别基于tidyverse工具链和基础R函数，具体如下：

方法一：使用dplyr包（推荐，代码逻辑清晰） #

dplyr是tidyverse生态中用于数据处理的核心包，代码可读性强，适合初学者理解：

# 首次使用需先安装包，后续可注释该行
# install.packages("dplyr")
library(dplyr)

# 处理数据
result <- dat %>%
  # 创建分类列，将Score映射为对应类别
  mutate(Score_Category = case_when(
    Score == 1 ~ "High",
    Score %in% 2:3 ~ "Medium",
    Score %in% 4:5 ~ "Low"
  )) %>%
  # 按Name和新分类列分组
  group_by(Name, Score_Category) %>%
  # 对每组的Frequency求和
  summarise(Total_Frequency = sum(Frequency), .groups = "drop")

运行后得到的result即为目标DataFrame，其中.groups = "drop"用于取消分组状态，避免后续操作受分组影响。

方法二：使用基础R函数（无需额外安装包） #

如果不想安装第三方包，可以用基础R的cut和aggregate函数完成：

# 用cut函数将Score划分为指定区间并命名
dat$Score_Category <- cut(
  dat$Score,
  breaks = c(0, 1, 3, 5),  # 划分区间：0-1、1-3、3-5
  labels = c("High", "Medium", "Low"),  # 对应区间的类别名称
  include.lowest = TRUE  # 确保Score=1被包含在第一个区间
)

# 按Name和分类列分组，对Frequency求和
result_base <- aggregate(Frequency ~ Name + Score_Category, data = dat, sum)

两种方法最终得到的结果一致，示例输出如下：

Name Score_Category Frequency
1    A           High         9
2    B           High         3
3    C           High        20
4    A         Medium        21
5    B         Medium        17
6    C         Medium         6
7    A            Low        10
8    B            Low        10
9    C            Low         4

内容的提问来源于stack exchange，提问作者maplesyrup123