R语言cut函数忽略区间上界问题求助

我之前也碰到过一模一样的问题，折腾了好一会儿才找到原因，通常是下面两种情况导致的，给你分享下对应的解决办法：

1. 你的breaks区间没覆盖到向量的最大值 #

如果你的breaks最后一个数值比var1里的最大值还小，那那些超出范围的数值自然会被标记成NA。比如假设你之前用的breaks是seq(70, 99, 10)，那数据里的100肯定找不到对应的区间，直接就NA了。

解决办法：让breaks的上限至少等于var1的最大值，最好是动态生成breaks，避免手动写死数值出错：

# 示例1：手动补充最大值到breaks里
breaks <- c(70, 80, 90, 100, max(var1))
# 示例2：直接从最小值到最大值生成等距区间
breaks <- seq(min(var1), max(var1), by = 10)
# 再调用cut函数
cut_var <- cut(var1, breaks = breaks, right = TRUE)

2. 浮点精度误差搞的鬼 #

有时候数据里的数值看起来是刚好等于上界，比如显示的是100.00000，但实际因为浮点运算的微小误差，它可能是99.9999999999或者100.0000000001，这时候即使breaks里包含100，R也会因为精度问题判断它不在区间里，返回NA。

解决办法：

• 方法一：加上include.lowest = TRUE参数，这个参数会强制让区间包含边界值，配合right=TRUE使用时，最后一个区间会包含它的上界：

cut_var <- cut(var1, breaks = breaks, right = TRUE, include.lowest = TRUE)

• 方法二：给breaks的最后一个值加个极小的数，比如1e-8，确保所有数据都能被覆盖：

breaks <- c(70, 80, 90, 100, max(var1) + 1e-8)
cut_var <- cut(var1, breaks = breaks, right = TRUE)

• 方法三：如果数据是计算出来的，可以先对var1做四舍五入，消除浮点误差：

# 根据你的数据精度调整小数位数，比如保留4位
var1_rounded <- round(var1, 4)
cut_var <- cut(var1_rounded, breaks = breaks, right = TRUE)

快速排查问题 #

你可以先跑下面的代码，确认问题出在哪：

# 查看var1的最大值和breaks的最后一个值
cat("var1的最大值：", max(var1), "\n")
cat("breaks的最后一个值：", tail(breaks, 1), "\n")
# 找出所有返回NA的数值
var1[is.na(cut(var1, breaks = breaks, right = TRUE))]

这样就能快速判断是区间范围没覆盖，还是浮点精度的锅了。

内容的提问来源于stack exchange，提问作者Gautam