R语言中，除嵌套ifelse外，是否有更优的多区间数值判断方法？

针对嵌套ifelse冗余、普通if无法处理向量的问题，有两种简洁且易扩展的方案：

方案1：使用dplyr::case_when() #

case_when()支持向量化操作，语法直观，新增分组时直接追加条件即可，完全避免嵌套：

library(dplyr)

ages <- c(5,10,15,20,25,30,35,40,45,50,55,60,75,85)
get_age_group <- function(age) {
  case_when(
    between(age, 0, 12) ~ "Kid",
    between(age, 13, 19) ~ "Teenager",
    between(age, 20, 28) ~ "Young Adult",
    between(age, 29, 64) ~ "Adult",
    between(age, 65, 79) ~ "Senior",
    age >= 80 ~ "Elderly",
    TRUE ~ "Unknown" # 处理边界外的异常值
  )
}

get_age_group(ages)

运行结果：

[1] "Kid"         "Kid"         "Teenager"    "Young Adult" "Young Adult"
[6] "Adult"       "Adult"       "Adult"       "Adult"       "Adult"      
[11] "Adult"       "Adult"       "Senior"      "Elderly"

方案2：使用基础R的cut()函数 #

如果不想加载额外包，cut()是基础R的原生函数，专门用于数值分段，适合批量分组：

ages <- c(5,10,15,20,25,30,35,40,45,50,55,60,75,85)
get_age_group <- function(age) {
  # 定义分组边界和对应标签
  breaks <- c(-Inf, 12, 19, 28, 64, 79, Inf)
  labels <- c("Kid", "Teenager", "Young Adult", "Adult", "Senior", "Elderly")
  
  # right=FALSE表示区间左闭右开，确保13属于Teenager
  cut(age, breaks = breaks, labels = labels, right = FALSE)
}

get_age_group(ages)

运行结果和case_when()一致，修改分组时只需调整breaks和labels两个向量即可，维护成本极低。

两种方案的优势对比 #

• case_when()：灵活性更高，支持复杂条件（比如非连续区间、多条件组合），可读性强。
• cut()：纯基础R实现，无需依赖第三方包，适合简单的连续区间分组，代码更精简。

内容的提问来源于stack exchange，提问作者JRomeo