如何在R中使用预定义区间对列进行分类并对新列排名

基础实现（Base R 版本） #

• 第一步：构造示例数据与预定义区间

# 生成示例数据框，value列为0-100的随机数
df <- data.frame(value = runif(100, min = 0, max = 100))
# 定义区间分割点
breaks <- c(0, 10, 20, 30, 40, 50, 60, 70, 80, 90, 100)
# 定义区间对应的分类标签，和分割点生成的区间一一对应
labels <- c("0-10", "10-20", "20-30", "30-40", "40-50", "50-60", "60-70", "70-80", "80-90", "90-100")

• 第二步：按预定义区间分类
  使用内置cut()函数完成区间分组，right = FALSE对应左闭右开区间逻辑（即[0,10), [10,20)），和常规无重叠分类的需求匹配；如果需要左开右闭区间（即(0,10], (10,20]），将参数改为right = TRUE即可：

df$group <- cut(df$value, breaks = breaks, labels = labels, right = FALSE)

• 第三步：排名
  两种常见排名逻辑按需选择：

1. 对分类结果整体排名，排名和区间顺序对应（数值越小的区间排名越靠前）

df$group_rank <- as.integer(df$group)

2. 对每个分组内的原始数值单独排名

# 相同数值默认取最小排名，可调整ties.method参数修改排名规则
df$inner_rank <- ave(df$value, df$group, FUN = function(x) rank(x, ties.method = "min"))

简化实现（tidyverse 版本） #

使用dplyr语法代码可读性更强，适合复杂数据处理场景：

library(dplyr)

df <- df %>%
  # 区间分类
  mutate(group = cut(value, breaks = breaks, labels = labels, right = FALSE)) %>%
  # 生成分组整体排名
  mutate(group_rank = as.integer(group)) %>%
  # 按分类分组，生成分组内数值排名
  group_by(group) %>%
  mutate(inner_rank = rank(value, ties.method = "min")) %>%
  ungroup()

排名规则调整可修改rank()的ties.method参数：可选值包括"average"（相同值取平均排名）、"first"（相同值按出现顺序先后排名）、"max"（相同值取最大排名）等。

内容的提问来源于stack exchange，提问作者user17216236