在R中使用cut()结合quantile()对连续列按四分位分桶的实现方法

首先修正示例数据的样本量不一致问题，否则数据框会创建报错：

df <- data.frame(
    Age = sample(18:98, 1000, replace = TRUE),
    Weight = sample(80:250, 1000, replace = TRUE)
)

实现代码 #

你可以通过自定义分桶函数批量处理所有连续字段，生成和示例格式一致的分桶结果：

# 自定义四分位分桶函数
quantile_bin <- function(x) {
  # 计算五等分分位点（0%、25%、50%、75%、100%）
  breaks <- quantile(x, probs = c(0, 0.25, 0.5, 0.75, 1), na.rm = TRUE)
  # 调整首尾分位点，生成和示例一致的半开区间
  breaks[1] <- breaks[1] - 0.1
  breaks[length(breaks)] <- breaks[length(breaks)] + 0.1
  # 调用cut分桶，dig.lab控制数值显示精度
  return(cut(x, breaks = breaks, dig.lab = 4))
}

# 批量处理所有数值型字段，生成分桶后的数据框
df_binned <- data.frame(lapply(df, function(col) {
  if (is.numeric(col)) quantile_bin(col) else col
}))

效果验证 #

运行以下代码查看前几行结果，和你给出的示例效果完全匹配：

head(df_binned)

可选调整 #

• 如果需要保留原字段，可以直接对指定列新增分桶结果：

  df$Age_binned <- quantile_bin(df$Age)
  df$Weight_binned <- quantile_bin(df$Weight)
  

• 调整dig.lab的参数值可以修改区间数值的显示小数位数。

内容的提问来源于stack exchange，提问作者Eisen