如何在R语言中将数据按区间拆分并匹配对应列的数值

你出现p1和p2数值混淆，大概率是分箱操作没有和原数据行绑定就单独拆分，或者区间开闭规则设置错误导致边界值匹配错位，按照以下步骤实现即可完全避免该问题：

• 核心逻辑：先给原数据集新增分箱标签列，保证每行的p1、p2、所属区间标签严格一一对应，再按标签分组提取p2值
• 分箱时明确区间边界和开闭规则，匹配你要求的10-50、50-100这类左闭右开的常规区间表述

代码实现 #

1. dplyr实现（写法易读，适合大数据集操作） #

library(dplyr)

# 示例数据
df = data.frame(
  p1 = c(10,20,70,80,150,200),
  p2 = c(1000, 1111.7, 15522.1, 15729.3,18033.8,19358.2)
)

# 生成区间边界：从10开始，步长50，覆盖p1的最大值
max_p1 <- max(df$p1)
break_points <- seq(from = 10, to = ifelse(max_p1 %% 50 == 0, max_p1 + 1, ceiling(max_p1/50)*50), by = 50)

# 新增分箱列，right=FALSE表示区间左闭右开，符合常规表述逻辑
df <- df %>%
  mutate(p1_bin = cut(p1, breaks = break_points, right = FALSE, include.lowest = TRUE))

# 按分箱分组，提取每个区间对应的所有p2值
result <- df %>%
  group_by(p1_bin) %>%
  summarise(p2_list = list(p2))

# 输出查看结果
print(result)

2. 基础R实现（无需安装第三方包） #

df = data.frame(
  p1 = c(10,20,70,80,150,200),
  p2 = c(1000, 1111.7, 15522.1, 15729.3,18033.8,19358.2)
)

break_points <- seq(from = 10, to = ceiling(max(df$p1)/50)*50, by = 50)
df$p1_bin <- cut(df$p1, breaks = break_points, right = FALSE, include.lowest = TRUE)
# 直接生成分组后的p2列表
result <- split(df$p2, df$p1_bin)

注意事项 #

• 不要单独提取p1列分箱后直接和未匹配的p2列拼接，必须在原数据行上新增分箱标签列，保证行列对应关系不混乱
• cut函数默认right=TRUE（左开右闭），如果不调整参数，边界值（比如50、100）的分箱结果会不符合你的预期，看起来类似数值错位

内容的提问来源于stack exchange，提问作者TNAU