我正在尝试将值介于1到100,000之间的变量分成10组，每组10,000。我使用以下代码并收到错误。
cut(x, breaks = quantile(x, probs=seq(0, 100000, 10000)), include.lowest = TRUE)
我做错了什么？
答案 0 :(得分：2)
嗯，起初我认为这是一个错字，但在评论中进行了一些讨论之后，我决定写一个答案。
quantile发生错误，probs应介于0和1之间（读?quantile）。
看起来你已经对以下两个感到困惑：
cut(x, breaks = seq(0, 100000, 10000), include.lowest = TRUE)
cut(x, breaks = quantile(x, prob = seq(0, 1, 0.1)), include.lowest = TRUE)
正如我所说，他们会给出不同的结果，特别是当你的数据不均匀分布时。
作为代表性示例，请考虑非均匀分布的数据，例如Beta分布式数据：
set.seed(0)
x <- rbeta(10000, 3, 5)
b1 <- seq(0, 1, 0.1)
b2 <- quantile(x, prob = seq(0, 1, 0.1), names = FALSE)
round(b2, 2)
# [1] 0.01 0.17 0.23 0.28 0.32 0.37 0.41 0.46 0.52 0.60 0.94
注意，b2和b1之间的差异很大。您可以检查（经验）分位数 - 分位数图：
plot(b1, b2); abline(0, 1)
你会看到这些点与线偏离强烈。
在上面，b1给出了统一的bin单元格，而b2给出了不规则的bin单元格。现在考虑bin计数：
table(cut(x, breaks = b1, include.lowest = TRUE))
# [0,0.1] (0.1,0.2] (0.2,0.3] (0.3,0.4] (0.4,0.5] (0.5,0.6] (0.6,0.7] (0.7,0.8]
# 256 1239 2011 2242 1948 1323 685 245
#(0.8,0.9] (0.9,1]
# 48 3
table(cut(x, breaks = b2, include.lowest = TRUE))
#[0.0101,0.169] (0.169,0.228] (0.228,0.276] (0.276,0.321] (0.321,0.365]
# 1000 1000 1000 1000 1000
# (0.365,0.412] (0.412,0.463] (0.463,0.519] (0.519,0.598] (0.598,0.935]
# 1000 1000 1000 1000 1000