R- exclusive中的Cut函数，还是重复计数？

Question

根据我问的一个previous question，我有一个关于cut函数和标签的用法的问题。

我想获得基于用户登录次数范围的汇总统计数据。

以下是我的数据：

  # Get random numbers
  NumLogin <- round(runif(100,1,50))

  # Set the login range     
  LoginRange <- cut(NumLogin, 
       c(0,1,3,5,10,15,20,Inf), 
       labels=c('1','2','3-5','6-10','11-15','16-20','20+')
       )

现在我有了LoginRange，但我不确定cut函数实际是如何工作的。我想找到用户谁已经登录了1次，2次，3-5次等，同时只包括用户，如果他们在那个范围内。cut函数是否包含3两次(在2个存储桶和3-5个存储桶中)？如果我查看我的示例，我可以看到一个用户登录了3次，但他们的cut为'2‘。我看过文档和我拥有的每一本R书籍，但都没找到。我做错了什么？

另外，作为一个使用问题，我是否应该将LoginRange附加到我的数据框中？如果是这样，那么最好的方法是什么？

DF <- data.frame(NumLogin, LoginRange)

谢谢

Answer 1

由cut()函数定义的间隔(默认情况下)在右侧闭合。要了解这意味着什么，请尝试以下命令：

cut(1:2, breaks=c(0,1,2))
# [1] (0,1] (1,2]

如您所见，整数1包含在范围(0,1]中，而不包括在范围(1,2]中。它不会重复计数，并且对于超出定义的存储箱的任何输入值，cut()将返回值NA。

在处理整数值数据时，我倾向于在整数之间设置断点，以避免绊倒自己。实际上，对您的数据执行此操作(如下所示)，会发现第二个和第三个存储箱的名称实际上是错误的，这很好地说明了这一点！

LoginRange <- cut(NumLogin, 
   c(0.5, 1.5, 3.5, 5.5, 10.5, 15.5, 20.5, Inf),
   # c(0,1,3,5,10,15,20,Inf) + 0.5, 
   labels=c('1','2-3','4-5','6-10','11-15','16-20','20+')
   )