如何将分位数分箱标签自动映射回源DataFrame生成新列

刚好我之前也处理过类似的需求，不用手动输入分箱标签完全没问题，核心思路就是在分箱的过程中直接让R自动生成标签并绑定到原数据上，而不是先统计结果再手动补标签。下面给你两种可行的实现方式：

方法一：用基础R原生函数实现 #

先重现你的原始数据生成代码（顺便优化了写法，不用cbind更简洁）：

set.seed(700) 
clientID <- round(runif(200, min=2000, max=3000), 0) 
orders <- round(runif(200, min=1, max=50), 0) 
df <- data.frame(clientID, orders)

接下来一步完成分箱+标签生成：

# 1. 自动计算10分位数的边界（对应你统计里的10个区间）
quantile_breaks <- quantile(df$orders, probs = seq(0, 1, 0.1), na.rm = TRUE)

# 2. 用cut函数分箱，自动生成区间标签，同时处理最小值的归属
df$order_bin <- cut(
  df$orders, 
  breaks = quantile_breaks, 
  include.lowest = TRUE,  # 让最小的orders值落在第一个区间里
  labels = TRUE            # 自动生成对应的区间标签
)

# 3. 把缺失值（如果有的话）标记为"Missing"
df$order_bin <- ifelse(is.na(df$order_bin), "Missing", as.character(df$order_bin))

你可以运行table(df$order_bin)验证，结果会和你给出的统计完全匹配，甚至可以用addmargins(table(df$order_bin))直接看到总计数。

方法二：用Hmisc包的cut2函数（更简洁的分位数分箱工具） #

如果你经常做分位数分箱，Hmisc包的cut2函数会更省心，它专门针对等数量分箱做了优化：

首先安装并加载包：

install.packages("Hmisc")
library(Hmisc)

然后一行代码完成分箱+标签：

# g=10表示分成10个等数量的分箱，自动生成区间标签，同时处理缺失值
df$order_bin <- cut2(
  df$orders, 
  g = 10,                  # 指定分箱数量
  levels.mean = FALSE,     # 保留区间形式的标签，而不是均值
  na.include = TRUE        # 把缺失值单独归为一组
)

# 把默认的NA标签改成你需要的"Missing"
df$order_bin[df$order_bin == "NA"] <- "Missing"

为什么这两种方法是自动化的？ #

不管用哪种方式，分箱的边界都是R根据你的orders列数据自动计算的，区间标签也是函数自动生成的，完全不需要你手动输入(-Inf,5]这类字符串，哪怕你换了数据集，只要调整分箱数量（比如把g=10改成其他数），就能自动适配新的分箱标签。

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