R语言如何为区间变量创建多列哑变量（虚拟变量）

你可以结合cut函数和哑变量转换工具实现批量生成，比逐行手动写代码效率高很多，也不容易出错： #

方法1：基础包实现（无需安装额外依赖） #

核心逻辑是先用cut生成分组因子，再用model.matrix转成多列哑变量，代码如下：

# 生成分组因子，right = FALSE设置为左闭右开区间
# 可根据需求调整labels对应你要的列名
data$DistanceCut5 <- cut(
  data$Distance, 
  breaks = c(0,100,200,300,400,500), 
  right = FALSE, 
  labels = c("Distance_100", "Distance_200", "Distance_300", "Distance_400", "Distance_500")
)
# 生成哑变量并合并到原数据集，-1是去掉截距项保证每个分组都有对应哑变量
dummies <- model.matrix(~ DistanceCut5 - 1, data = data)
data <- cbind(data, dummies)

注意：你原来的手动代码存在临界值漏洞，距离等于100、200等整百数值时，所有哑变量都会被赋值为0，上述方案默认将100归到Distance_200分组，和你原本的区间逻辑一致，如果你需要调整临界值归属，修改cut的right参数或breaks即可。

方法2：fastDummies包实现（代码更简洁） #

适合需要批量生成多组哑变量的场景，代码可读性更高：

# 首次使用先安装包：install.packages("fastDummies")
library(fastDummies)
# 先生成分组因子
data$DistanceCut5 <- cut(data$Distance, breaks = c(0,100,200,300,400,500), right = FALSE)
# 一步生成哑变量并合并到原数据
data <- dummy_cols(data, select_columns = "DistanceCut5", remove_selected_columns = FALSE)

方法3：循环批量生成（灵活度最高） #

如果不需要生成分组中间列，也可以用循环直接生成哑变量：

# 定义区间上限
break_points <- seq(100, 500, 100)
# 循环生成每列哑变量
for (i in seq_along(break_points)) {
  col_name <- paste0("Distance_", break_points[i])
  if (i == 1) {
    data[[col_name]] <- as.integer(data$Distance < break_points[i])
  } else {
    data[[col_name]] <- as.integer(data$Distance >= break_points[i-1] & data$Distance < break_points[i])
  }
}

内容的提问来源于stack exchange，提问作者Fernanda