如何基于鸢尾花数据集创建显示观测值所属百分位区间的变量

嘿，我来帮你把这个需求落地——用R的tidyverse工具包给鸢尾花数据集里的花萼长度按百分位划分区间，生成对应的分组变量，操作起来超简单，具体步骤如下：

核心实现代码 #

先确保你已经安装了tidyverse包，然后运行这段代码就能搞定：

library(tidyverse)

# 给iris数据集新增Range列，标记Sepal.Length所属的百分位区间
iris_with_range <- iris %>% 
  mutate(Range = cut(
    Sepal.Length, 
    quantile(Sepal.Length, probs = c(0, 0.2, 0.4, 0.6, 0.8, 1)),
    include.lowest = TRUE
  ))

代码细节拆解 #

• library(tidyverse)：加载包含dplyr、ggplot2等工具的tidyverse全家桶，我们用到的mutate函数就来自dplyr
• mutate(Range = ...)：新增一列名为Range的变量，专门用来存储百分位区间标签
• cut()：这是实现区间划分的核心函数，参数作用如下：
  • 第一个参数Sepal.Length：指定要按哪一列的数值来划分区间
  • 第二个参数quantile(..., probs = c(0, 0.2, 0.4, 0.6, 0.8, 1))：用百分位函数生成切割点，这里是把数据分成5个等距的百分位区间（0-20%、20-40%…80-100%）
  • include.lowest = TRUE：确保数据里的最小值（也就是4.3）能被包含在第一个区间里，避免出现遗漏

运行结果示例 #

执行代码后，你会得到带区间标签的数据集，以下是前10行的展示：

Sepal.Length Sepal.Width Petal.Length Petal.Width Species   Range
1           4.3         3.0          1.1         0.1  setosa [4.3,4.6]
2           4.4         2.9          1.4         0.2  setosa [4.3,4.6]
3           4.6         3.1          1.5         0.2  setosa [4.3,4.6]
4           4.6         3.4          1.4         0.3  setosa [4.3,4.6]
5           4.7         3.2          1.3         0.2  setosa (4.6,4.8]
6           4.8         3.4          1.6         0.2  setosa (4.6,4.8]
7           4.8         3.0          1.4         0.1  setosa (4.6,4.8]
8           4.9         3.0          1.4         0.2  setosa   (4.8,5]
9           4.9         3.1          1.5         0.1  setosa   (4.8,5]
10          ...

新增的Range列清晰标记了每一行的花萼长度属于哪个百分位区间，后续不管是分组统计还是做可视化分析，这个变量都能帮上大忙～

备注：内容来源于stack exchange，提问作者bill999