在R中按分类规则离散化矩阵（无需转数据框/循环）

当然可以！完全能满足你「不转data.frame、不用循环」的要求，咱们用R的向量化特性就能轻松实现。

首先先还原你的初始代码：

set.seed(2016)
A <- matrix(rnorm(4,250,50), nrow = 2, ncol = 2, byrow = TRUE)
lmh <- c("low", "moderate", "high")

核心实现代码 #

直接利用cut()函数的向量化处理能力，再将结果转回矩阵结构即可：

# 执行离散化并保持原矩阵维度
A_discretized <- matrix(
  cut(A, breaks = c(-Inf, 30, 300, Inf), labels = lmh),
  nrow = nrow(A),
  ncol = ncol(A),
  byrow = TRUE  # 和原矩阵的填充顺序一致，保证位置对应
)

代码解释 #

• cut()函数可以直接处理矩阵（因为矩阵在R底层是按列存储的向量，cut()会自动遍历所有元素），breaks参数定义了分类区间：<30（用-Inf兜底）、30-300、>300（用Inf兜底），labels指定了对应区间的类别名称。
• 用matrix()将cut()返回的分类结果转回和原矩阵完全一致的行列结构，byrow=TRUE匹配原矩阵的行优先填充方式，确保每个位置的分类结果和原矩阵元素一一对应。

验证效果 #

你可以打印原矩阵和离散后的结果确认：

# 原数值矩阵
print(A)
# 离散化后的类别矩阵
print(A_discretized)

这种方案全程没有循环，也不需要把矩阵转换为data.frame，完全符合你的需求。

内容的提问来源于stack exchange，提问作者user1607