R语言ggplot密度图按分位数分4组并为数据表新增group列的方法

你已经提前计算好了q5（Qeff的5%分位数）、median（Qeff的中位数）、q95（Qeff的95%分位数）三个阈值，直接用下面两种data.table原生操作方式即可实现需求：

方法1：使用fcase（推荐，data.table原生，大表性能更高） #

fcase是data.table提供的多条件分支函数，逻辑清晰可控，完全匹配你的分组规则：

library(data.table)
# 新增group列
dt.all2018[, group := fcase(
  Qeff <= q5, 1L,
  Qeff > q5 & Qeff <= median, 2L,
  Qeff > median & Qeff <= q95, 3L,
  Qeff > q95, 4L
)]

代码里的1L/2L表示生成整数类型的分组值，符合你要求的group列仅含1-4数字的要求。如果数据存在NA值，可以在fcase最后加default = NA_integer_参数处理缺失值。

方法2：使用cut函数（写法更简洁） #

用cut直接按阈值划分区间后转成整数即可：

dt.all2018[, group := as.integer(cut(
  Qeff,
  breaks = c(-Inf, q5, median, q95, Inf),
  include.lowest = TRUE
))]

参数include.lowest = TRUE保证小于等于5%分位数的取值会被归入第一组，生成的整数结果刚好对应1-4的分组编号。

结果验证 #

可以执行下面的代码查看各分组的样本量，确认分组逻辑正确：

dt.all2018[, .N, by = group][order(group)]

内容的提问来源于stack exchange，提问作者Miko