R语言按分数区间分组变量：样本量异常与ifelse赋值错误求助

原始代码的错误分析 #

filter方法的问题 #

1. 数据生成错误：sample(1:10)包含了不符合需求的10分，且代码缺失右括号；列名引用错误（test_scores1是不存在的列）。
2. 筛选条件完全错误：
   • 要筛选low组（1-3分），条件应为test_scores <= 3，而非>3；
   • 要筛选high组（7-9分），条件应为test_scores >=7，而非<7；
   • 筛选good组时，test_scores == 4:6是向量逐元素匹配（而非判断是否属于该区间），正确写法是test_scores %in% 4:6；
3. filter是筛选行生成新数据框，而非在原数据中添加分组变量，且错误条件会导致样本重复/遗漏，自然总和不等于122。

ifelse方法的问题 #

test_scores == 1:3是向量循环匹配：122个元素的test_scores会和循环重复的1:3逐位置比较，而非判断元素是否属于1-3区间，导致部分符合条件的元素因位置不匹配被判定为FALSE，赋值为0。正确的区间判断应使用%in%或between()。

正确实现代码 #

1. 生成符合要求的数据集 #

# 生成1-9的随机分数，共122个样本，转为数据框
test_scores <- data.frame(test_scores = sample(1:9, 122, replace = TRUE))

2. 添加分组变量（推荐用dplyr的case_when，清晰易读） #

先加载dplyr包（如果未安装先运行install.packages("dplyr")）：

library(dplyr)

test_scores <- test_scores %>%
  mutate(
    # 生成分组标签：low(1-3)、good(4-6)、high(7-9)
    group = case_when(
      between(test_scores, 1, 3) ~ "low",
      between(test_scores, 4, 6) ~ "good",
      between(test_scores, 7, 9) ~ "high"
    )
  )

也可以用基础R的cut函数实现：

test_scores$group <- cut(test_scores$test_scores,
                        breaks = c(0, 3, 6, 9),
                        labels = c("low", "good", "high"))

3. 生成对比变量 #

根据需求生成low与high、low与good的对比变量（以哑变量为例，仅保留目标对比组，其余设为NA）：

test_scores <- test_scores %>%
  mutate(
    # low=1，high=0，good组设为NA（仅保留两组用于对比）
    low_vs_high = ifelse(group == "low", 1, ifelse(group == "high", 0, NA)),
    # low=1，good=0，high组设为NA（仅保留两组用于对比）
    low_vs_good = ifelse(group == "low", 1, ifelse(group == "good", 0, NA))
  )

验证样本量 #

运行table(test_scores$group)可查看各组样本数，三者总和应为122，确认无遗漏或重复。

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