如何在R语言中将数据集按X1值排序后划分为等和子集？

要实现先按X1排序再划分K个等和子集，你可以按照排序+贪心分组的思路来做，以下是具体步骤和代码：

1. 先按X1对数据集排序 #

用基础R或dplyr都能轻松实现：

• 基础R写法：

# 按X1升序排序
df_sorted <- df[order(df$X1), ]
# 若需要降序排序，添加负号即可
# df_sorted <- df[order(-df$X1), ]

• dplyr写法（需先安装并加载dplyr包）：

library(dplyr)
df_sorted <- df %>% arrange(X1)
# 降序排序用 arrange(desc(X1))

2. 实现等和分组（贪心算法） #

等和分组属于近似最优问题，贪心算法是最实用的方案：把最大的元素依次分配到当前总和最小的组中，能让各组的和尽可能接近。

先定义一个分组函数：

split_equal_sum <- function(x, k) {
  # 先将向量按降序排列，贪心算法从大到小分配更高效
  x_sorted <- sort(x, decreasing = TRUE)
  # 初始化k个组的总和
  group_sums <- rep(0, k)
  # 初始化每个元素的分组标签
  group_labels <- integer(length(x_sorted))
  
  for (i in seq_along(x_sorted)) {
    # 找到当前总和最小的组的索引
    min_group <- which.min(group_sums)
    # 将当前元素分配到该组
    group_labels[i] <- min_group
    # 更新该组的总和
    group_sums[min_group] <- group_sums[min_group] + x_sorted[i]
  }
  
  # 将分组标签对应回原升序排序的数据集
  original_order <- order(x, decreasing = TRUE)
  final_labels <- integer(length(x))
  final_labels[original_order] <- group_labels
  
  return(final_labels)
}

将函数应用到排序后的数据集上：

# 假设要分成K=4个等和子集，可自行修改K值
K <- 4
df_sorted$group <- split_equal_sum(df_sorted$X1, K)

3. 验证分组效果 #

你可以查看各组的X1总和，确认是否接近均等：

# 计算每组X1的总和
aggregate(X1 ~ group, data = df_sorted, sum)

与原四分位分组的区别 #

你之前用cut+quantile实现的是按X1数值区间均分的分组，而上述方法是按X1总和近似均分的分组，完全匹配你的需求。

内容的提问来源于stack exchange，提问作者piper180