如何统计diamonds数据集按价格分位数分组的样本数量

你可以通过tidyverse工具集实现需求，以下分为两种常见场景提供可直接运行的代码：

场景1：使用全局统一的价格分位数区间 #

所有cut分类共用一套价格分位划分规则，适合跨cut类别对比不同价位的销量：

library(tidyverse)

# 自定义分位规则，示例为四分位，改为seq(0, 1, 0.1)即为十分位，可按需调整
quantile_breaks <- quantile(diamonds$price, probs = seq(0, 1, 0.25), na.rm = TRUE)

# 统计各cut分类下每个价格区间的销量
global_stat <- diamonds %>%
  mutate(price_range = cut(price, breaks = quantile_breaks, include.lowest = TRUE, dig.lab = 10)) %>%
  count(cut, price_range, name = "sales_volume")

# 打印完整统计结果
print(global_stat, n = Inf)

场景2：按cut分组计算各组内的价格分位数区间 #

每个cut分类单独计算分位，和你绘制的lvplot分组分布对应，适合看单组内不同分位的样本量：

library(tidyverse)

grouped_stat <- diamonds %>%
  group_by(cut) %>%
  mutate(price_range = cut(price, 
                           breaks = quantile(price, probs = seq(0, 1, 0.25), na.rm = TRUE),
                           include.lowest = TRUE,
                           dig.lab = 10)) %>%
  count(price_range, name = "sales_volume") %>%
  ungroup()

# 打印完整统计结果
print(grouped_stat, n = Inf)

参数说明 #

• probs参数：自定义分位密度，比如seq(0, 1, 0.2)就是将价格分为5个20%分位区间
• include.lowest = TRUE：保证价格最小值被纳入第一个区间，避免样本遗漏
• dig.lab = 10：避免价格区间标签显示为科学计数法，保持可读性

可选：将统计值标注到lvplot上 #

如果需要在原有图表上直接显示每个分位的样本量，可以添加文本标签层：

library(lvplot)

# 计算标签放置的y轴位置（取每个区间的价格中位数）
label_data <- grouped_stat %>%
  rowwise() %>%
  mutate(price_mid = mean(as.numeric(str_extract_all(price_range, "\\d+")[[1]]))) %>%
  ungroup()

ggplot(diamonds, aes(x = cut, y = price)) +
  geom_lv() +
  geom_text(data = label_data, aes(label = sales_volume, y = price_mid), 
            color = "white", size = 3, fontface = "bold") +
  labs(title = "Cut of Diamonds by Price")

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