在R中存储数据范围的有效方法

我在一个数据帧中有几百个变量，需要将它们放入桶中

目前，我使用的代码与以下类似：

idx <- list()
idx[[1]] <- which(df$myVariable < 628 & df$myVariable >= 0)
idx[[2]] <- which(df$myVariable < 774 & df$myVariable >= 628)
idx[[3]] <- which(df$myVariable < 885 & df$myVariable >= 774)
idx[[4]] <- which(df$myVariable <= Inf & df$myVariable >= 4819)
idx[[5]] <- which(df$myVariable < 0)
df$myVariable[idx[[1]]] = 1
df$myVariable[idx[[2]]] = 2
df$myVariable[idx[[3]]] = 3
df$myVariable[idx[[4]]] = 4
df$myVariable[idx[[5]]] = 0

---

idx
cut（）
函数是存储数据的一种方法。
dplyr:：cut
有助于简化部分代码。尽管您必须解释为什么需要使用脚本生成代码。OP不清楚如何计算每个变量的切点。我研究了切点函数，但有两个问题：1）它将数据转换为一个因子（实际上更麻烦，而不是一个问题，因为as.numeric可以解决这个问题），2）间隔必须始终在同一侧打开/关闭。也就是说，它无法处理上面给出的示例：（-Inf，0]>0[0628）->1…[4819，Inf]->4注意，区间并非总是在同一侧打开/关闭。在几百个变量中，可能有共同点吗？我看到你说它们不尽相同，但至少有分组吗？我认为当

和在处发生变异时，

的组合（新版本

跨）可能至少效率更高，代码行数不到30000行。@ChuckP，你的建议让我找到了正确的答案。我已经重写了代码，以便在需要时使用mutate和case_。如果你想根据你的建议创建答案，我会接受它，这样你就可以获得学分。

cut（）

函数是存储数据的一种方法。

dplyr:：cut

有助于简化部分代码。不过您必须解释为什么需要使用脚本生成代码。OP不清楚如何计算每个变量的切点。我查看了cut函数，但有两个问题：1）它将数据转换为factor（由于as.numeric可以解决这一问题，所以它实际上更麻烦），并且2）间隔必须始终在同一侧打开/关闭。也就是说，它无法处理上面给出的示例：（-Inf，0]>0[0628）->1…[4819，Inf]->4注意，区间并非总是在同一侧打开/关闭。在几百个变量中，可能有共同点吗？我看到你说它们不尽相同，但至少有分组吗？我认为当和在处发生变异时，

的组合（新版本

跨）可能至少效率更高，代码行数不到30000行。@ChuckP，你的建议让我找到了正确的答案。我已经重写了代码，在什么时候使用mutate和case_。如果你想根据你的建议创建答案，我会接受它，这样你就可以获得学分。