如何将多列数据替换成自定义的区间？

刚刚有个小伙伴提了这样一个问题：

李老师，请教一下，我有很多列数据，现在我想按自己定义的区间将每个数字替换成所在的区间，怎么实现呢？

非常简单，可以先生成一个示例数据：

library(tidyverse)
tibble(x1 = runif(10) * 10,
       x2 = runif(10) * 10,
       x3 = runif(10) * 10) -> df
df

#> # A tibble: 10 × 3
#>       x1    x2     x3
#>    <dbl> <dbl>  <dbl>
#>  1 7.16   1.31 6.29
#>  2 5.74   2.30 4.19
#>  3 4.18   5.88 8.32
#>  4 4.17   6.39 5.56
#>  5 9.82   4.03 3.33
#>  6 3.73   7.17 0.0762
#>  7 9.08   3.44 2.42
#>  8 4.08   8.47 7.32
#>  9 0.893  2.28 8.77
#> 10 0.651  7.89 7.04

这个示例数据有三列，符合提问者所说的很多列，然后我们需要按照自己定义的区间进行分段，通常会使用 cut() 函数，不过 cut() 函数的分段方式总会让人感觉很困惑，所以我更喜欢用不那么“省事”的 case_when() 函数，例如我们这里可以 0～1 分一段，1～5 分一段，然后其他的分一段，也就是 5～10，可以编写个分段函数：

cut_fun <- function(x) {
  case_when(
    x < 1 ~ "(0, 1)",
    between(x, 1, 5) ~ "[1, 5]",
    T ~ "(5, 10]"
  )
}

between(x, 1, 5) 表示 1 <= x <= 5 。

然后就可以使用 mutate_all() 对所有列应用这个函数了：

df %>%
  mutate_all(cut_fun)

#> # A tibble: 10 × 3
#>    x1      x2      x3
#>    <chr>   <chr>   <chr>
#>  1 (5, 10] [1, 5]  [1, 5]
#>  2 [1, 5]  [1, 5]  [1, 5]
#>  3 [1, 5]  (5, 10] [1, 5]
#>  4 [1, 5]  [1, 5]  (5, 10]
#>  5 [1, 5]  (5, 10] [1, 5]
#>  6 (5, 10] (5, 10] [1, 5]
#>  7 (5, 10] (5, 10] (0, 1)
#>  8 (5, 10] (5, 10] [1, 5]
#>  9 [1, 5]  [1, 5]  (5, 10]
#> 10 (5, 10] [1, 5]  (5, 10]

也可以使用 mutate_at() 对某几列应用：

df %>%
  mutate_at(c("x1", "x2"), cut_fun)

# A tibble: 10 × 3
   x1      x2         x3
   <chr>   <chr>   <dbl>
 1 (5, 10] [1, 5]  3.73
 2 [1, 5]  [1, 5]  2.25
 3 [1, 5]  (5, 10] 2.28
 4 [1, 5]  [1, 5]  9.86
 5 [1, 5]  (5, 10] 3.39
 6 (5, 10] (5, 10] 3.36
 7 (5, 10] (5, 10] 0.552
 8 (5, 10] (5, 10] 1.14
 9 [1, 5]  [1, 5]  5.00
10 (5, 10] [1, 5]  9.53

也可以使用 mutate_if() 对数值变量应用：

df %>%
  mutate_if(is.numeric, cut_fun)
#> # A tibble: 10 × 3
#>    x1      x2      x3
#>    <chr>   <chr>   <chr>
#>  1 (5, 10] [1, 5]  [1, 5]
#>  2 [1, 5]  [1, 5]  [1, 5]
#>  3 [1, 5]  (5, 10] [1, 5]
#>  4 [1, 5]  [1, 5]  (5, 10]
#>  5 [1, 5]  (5, 10] [1, 5]
#>  6 (5, 10] (5, 10] [1, 5]
#>  7 (5, 10] (5, 10] (0, 1)
#>  8 (5, 10] (5, 10] [1, 5]
#>  9 [1, 5]  [1, 5]  (5, 10]
#> 10 (5, 10] [1, 5]  (5, 10]

这样就解决了这个问题。

突发奇想，问问 chatGPT 如何解决这种问题：

挺老套的。。。 就 cut() 函数。

点击这里跳转到 RStata 短书平台获取附件：如何将多列数据替换成自定义的区间？