R语言如何逐行基于其他列值为cut函数设置分箱断点

给定如下参数与测试数据集：

Bins=10
df=data.frame(Min=c(0,10,20,30), Max=c(5,16,26,38),val=c(3,11,21,31))

需求为新增一列存储val列的分箱结果：逐行以该行Min、Max作为区间端点，将区间等分为10个等宽分箱，判定该行val值所属的分箱区间。

初始尝试代码如下，运行无法得到预期结果：

df$bin=cut(df$val, breaks = seq(from = df$Min, to =df$Max,length.out =Bins) ,include.lowest =TRUE)

原代码存在两个核心问题：

• seq()传入向量作为from/to参数时，不会逐行生成独立的断点序列，只会生成不符合逐行分箱要求的全局断点，无法满足每行单独定义分箱区间的需求
• n个等宽分箱需要n+1个断点，原代码设置length.out = Bins，实际只能生成9个分箱，和要求的10个分箱数量不符

基础R实现 #

通过apply()逐行遍历数据，每行单独生成分箱断点、判定所属分箱即可：

df$bin <- apply(df, 1, function(row) {
  breaks <- seq(row[["Min"]], row[["Max"]], length.out = Bins + 1)
  cut(row[["val"]], breaks = breaks, include.lowest = TRUE)
})

Tidyverse实现 #

如果习惯使用dplyr语法，通过rowwise()标记按行执行运算，也可实现相同效果：

library(dplyr)
df <- df %>%
  rowwise() %>%
  mutate(bin = cut(val, breaks = seq(Min, Max, length.out = Bins + 1), include.lowest = TRUE)) %>%
  ungroup()

以上代码运行后得到的分箱结果完全匹配逐行等宽分箱的要求，例如第一行区间[0,5]单箱宽度为0.5，val=3会落在(2.5,3]区间，和计算逻辑一致。

内容的提问来源于stack exchange，提问作者Camilo