R语言如何使用cut()函数创建从0起始的数据分组断点

问题原因 #

当给cut()传入单个整数作为breaks参数时，R会自动计算覆盖全部数据范围的等距区间，为了确保数据最小值能被纳入区间，会自动在数据最小值外侧预留一小段偏移量，这就是运行测试代码时首个区间下限出现负数、没有从0开始的原因。

解决方法 #

方法1：手动指定完整断点向量 #

不要传入单个分组数让R自动计算断点，直接生成从0开始的完整断点序列传入即可，注意搭配include.lowest = TRUE参数，保证等于0的最小值能被纳入第一个区间（默认区间为左开右闭(a,b]，不加该参数时0会因为不满足>0的判定被记为NA）。
示例代码：

x <- seq(0, 102, length.out = 15)
# 生成长度为11的断点序列，对应10个分组，起点固定为0
breaks <- seq(from = 0, to = max(x), length.out = 11)
cut(x, breaks = breaks, include.lowest = TRUE)

运行结果如下，首个区间从0开始：

[1] [0,10.2]   [0,10.2]   (10.2,20.4] (20.4,30.6] (20.4,30.6] (30.6,40.8] (40.8,51]   (40.8,51]   (51,61.2]   (61.2,71.4] (71.4,81.6] (71.4,81.6]
[13] (81.6,91.8] (91.8,102]  (91.8,102] 
Levels: [0,10.2] (10.2,20.4] (20.4,30.6] (30.6,40.8] (40.8,51] (51,61.2] (61.2,71.4] (71.4,81.6] (81.6,91.8] (91.8,102]

方法2：修正自动生成的断点 #

如果不想手动计算区间步长，可以先让R生成默认断点，再把第一个断点替换为0：

x <- seq(0, 102, length.out = 15)
# 生成默认等距断点
breaks <- seq(min(x), max(x), length.out = 11)
# 替换起始断点为0
breaks[1] <- 0
cut(x, breaks = breaks, include.lowest = TRUE)

注意事项 #

• 如果数据中存在小于0的数值，将断点起点固定为0后，这部分值会被判定为NA，需要根据数据实际情况调整断点范围。
• 如果习惯使用左闭右开的区间格式，可以设置参数right = FALSE，此时区间格式为[a,b)，不需要额外加include.lowest = TRUE就能把0值纳入第一个区间。

内容的提问来源于stack exchange，提问作者zimia