jobs $ econ_hard [1] 3.00 3.67 4.00 2.33 1.33 3.00 3.33 4.00 1.33 3.00 2.33 4.67 2.67 3.00 4.67 1.67 [17] 3.67 3.00 2.00 3.00 2.67 4.33 3.67 1.33 3.33 5.00 3.00 2.00 2.67 3.00 3.33 2.67 [33] 4.00 1.33 3.33 4.33 4.67 1.67 4.67 2.00 2.67 2.00 3.33 4.67 4.00 5.00 2.67 2.33 [49] 3.00 3.00 3.67 3.67 2.67 3.00 3.67 2.67 3.33 2.00 2.00 2.00 3.33 2.00 3.00 2.33 3.33 [65] 5.00 4.67 2.00 2.67 2.33 1.00 3.00 4.00 2.33 2.33 3.00 2.00 3.67 3.33 3.33 2.67 [81] 3.67 4.00 1.67 4.67 4.33 2.67 2.00 1.67 3.33 3.00 1.33 2.33 3.33 2.00 2.33 1.33 [97] 3.33 2.00 2.33 3.00 2.67 4.00 2.33 2.00 5.00 5.00 2.33 3.00 2.67 2.33 1.67 2.00 2.00 [113] 4.67 4.33 2.33 2.67 3.00 4.67 3.00 4.33 3.33 4.00 1.67 1.33 4.33 2.33 4.33 3.33 [129] 3.00 3.67 3.67 3.67 4.67 4.33 4.00 4.67 2.67 4.00 2.00 3.67 2.33 1.33 3.00 3.33 [145] 3.00 1.00 3.67 3.33 4.33 3.67 5.00 2.33 1.67 1.33 3.67 3.33 2.00 2.00 1.00 2.67 [161] 3.00 3.00 2.33 4.33 2.33 3.33 2.33 3.00 3.33 2.67 2.67 4.00 4.33 2.67 2.33 1.33 [177] 1.33 2.33 3.00 3.67 3.00 2.67 3.00 4.00 4.33 3.00 2.67 4.67 2.67 3.00 3.67 3.33 [193] 1.67 1.00 1.33 3.00 2.00 3.33 4.00 3.33 4.00 2.67 2.67 2.00 5.00 2.67 1.33 2.00 [209] 3.33 1.67 3.00 2.33 2.33 2.00 3.00 3.33 1.67 2.67 3.67 1.67 2.33 2.67 3.00 1.67 [225] 2.67 3.67 2.67 2.33 1.67 2.67 2.33 2.33 1.33 4.00 1.67 2.67 3.00 2.67 3.33 2.33 [241] 1.67 4.67 3.00 3.67 1.33 1.67 2.00 3.33 2.00 3.00 3.33 3.67 5.00 4.67 3.67 1.67 [257] 2.33 2.67 3.33 3.33 1.33 4.33 3.00 3.33 2.00 3.00 3.33 2.00 3.00 2.00 3.00 2.33 [273] 3.33 2.33 2.33 4.33 1.00 3.67 1.67 4.33 2.67 4.00 2.67 2.67 1.33 1.67 4.00 2.33 [289] 3.33 2.33 2.33 1.67 3.00 5.00 2.00 2.67 2.33 1.00 2.67 1.67 5.00 3.00 2.67 4.67 [305] 3.33 2.00 2.00 4.67 3.67 4.00 3.00 3.00 2.67 2.33 4.00 4.33 3.33 2.33 5.00 3.33 [321] 3.00 2.67 3.00 3.00 3.33 1.67 2.67 3.33 2.33 3.00 1.33 4.33 4.33 2.67 2.67 3.00 [337] 4.00 1.67 2.00 2.33 2.00 1.00 3.67 4.00 2.67 3.67 3.00 3.33 3.00 1.67 3.00 4.00 [353] 1.00 2.00 1.33 1.00 2.00 2.00 2.67 2.67 2.00 1.67 3.00 4.00 5.00 3.00 4.00 5.00 [369] 2.00 3.00 1.33 2.67 3.00 4.33 2.67 1.33 3.00 3.00 2.67 2.33 3.67 2.67 3.00 4.67 [385] 3.33 1.00 1.33 4.00 2.00 3.33 4.33 2.67 3.00 2.00 3.67 3.67 3.00 3.67 2.33 3.00 [401] 4.33 3.33 2.67 4.33 3.33 4.33 2.67 4.33 3.00 2.67 2.67 3.67 5.00 3.00 4.33 4.00 [417] 1.33 2.67 3.00 3.67 3.33 5.00 3.67 3.33 3.00 3.67 3.00 4.00 2.33 2.00 2.67 2.67 [433] 2.67 2.67 3.67 3.33 2.67 3.33 2.67 2.67 1.67 2.67 4.33 4.00 3.00 3.33 4.00 3.00 [449] 2.67 2.67 2.00 3.00 2.33 3.00 2.67 3.33 3.00 5.00 2.00 1.33 4.00 1.33 2.33 3.67 [465] 1.67 3.33 2.33 2.67 1.00 1.67 3.00 2.00 3.67 3.67 3.67 4.00 2.33 4.33 3.67 3.33 [481] 1.67 4.00 4.33 3.00 3.00 1.67 3.00 4.00 3.00 2.00 4.00 3.33 1.67 3.33 2.67 3.33 [497] 3.33 1.67 3.67 3.33 5.00 1.67 2.33 1.00 2.67 4.33 1.67 2.67 2.00 2.33 2.67 3.67 [513] 1.67 3.00 1.67 1.67 3.67 4.67 1.00 1.67 2.33 2.00 2.33 1.33 4.33 2.33 3.33 2.67 [529] 3.67 5.00 3.00 3.33 3.33 3.67 3.67 3.33 2.33 5.00 2.00 1.67 3.67 2.33 2.67 3.67 [545] 3.33 3.33 5.00 3.00 2.67 4.33 3.67 4.00 2.33 3.00 2.33 5.00 3.67 4.33 4.33 3.00 [561] 4.00 2.33 3.00 3.00 2.33 1.33 4.00 4.00 2.67 3.33 3.67 3.33 2.67 1.00 3.00 3.33 [577] 4.67 2.67 2.00 3.67 1.67 3.00 1.67 4.67 2.67 1.33 2.00 3.33 2.67 2.67 3.67 4.00 [593] 2.67 2.00 3.67 3.33 1.33 2.67 3.00 3.67 3.33 4.00 2.00 2.67 2.00 5.00 4.00 2.67 [609] 1.67 2.67 4.00 3.00 2.67 2.67 3.67 3.67 3.67 5.00 1.67 3.67 2.00 3.33 4.00 2.33 [625] 3.33 3.33 4.33 3.33 4.33 4.00 2.00 2.33 4.67 3.33 1.33 2.33 2.67 3.67 2.33 2.33 [641] 3.33 3.33 3.00 3.33 3.33 2.00 3.33 1.00 3.00 2.67 2.67 4.00 3.33 4.33 2.33 4.67 [657] 4.67 3.33 2.67 3.33 3.00 3.33 2.00 3.67 1.33 3.00 2.33 3.33 4.00 3.00 2.33 2.00 [673] 3.00 1.00 4.67 2.67 3.00 3.67 1.33 3.67 2.33 2.67 3.33 2.67 2.67 4.67 5.00 3.33 [689] 4.00 3.67 3.00 3.67 3.67 4.00 3.00 2.33 3.67 4.67 2.67 5.00 2.00 1.00 2.00 4.67 [705] 3.33 2.33 4.33 3.33 2.67 5.00 2.00 2.67 1.33 1.33 1.33 4.00 3.33 3.00 2.67 2.67 [721] 4.00 1.67 1.67 3.67 4.67 5.00 1.67 2.33 3.33 3.00 4.67 3.67 3.00 3.00 3.33 4.33 [737] 3.67 3.67 2.67 4.00 3.33 3.67 2.33 4.00 5.00 4.33 4.67 3.33 4.00 3.33 1.33 1.67 [753] 4.67 4.33 4.00 2.33 5.00 5.00 2.00 2.00 1.33 1.67 3.33 3.67 2.67 2.00 3.67 4.00 [769] 3.67 2.33 2.00 3.33 3.67 4.00 3.67 3.33 4.67 2.00 3.00 3.33 2.67 2.67 4.00 3.67 [785] 2.00 3.00 3.33 4.00 1.67 4.33 3.33 2.33 4.67 3.00 3.00 3.00 3.00 1.67 3.00 3.00 [801] 2.00 4.67 3.00 2.00 4.33 4.33 3.00 4.67 4.00 2.33 3.33 3.00 4.00 2.00 3.33 4.33 [817] 3.33 3.00 1.00 2.67 4.00 3.00 2.67 3.33 3.67 3.00 2.33 3.33 1.67 1.33 3.00 4.33 [833] 3.00 5.00 5.00 4.00 4.00 3.67 5.00 2.33 3.33 4.33 4.00 4.67 5.00 3.67 1.33 2.67 [849] 1.67 3.00 3.67 2.67 4.00 2.00 5.00 3.33 3.67 3.67 1.00 5.00 3.00 3.67 4.33 3.67 [865] 4.00 1.33 3.00 3.00 2.00 1.33 3.33 4.33 5.00 1.67 3.00 2.33 2.33 3.33 4.67 3.67 [881] 1.67 1.33 4.33 3.00 1.33 2.67 3.00 3.00 1.67 2.67 4.00 3.67 4.00 2.00 3.00 4.00 [897] 5.00 4.33 4.00
以上是我想将变量二分的数据。我希望类别“ A”代表低于2.5的值，类别“ B”代表等于或大于2.5的类别
以下代码：econ_hardNew <-cut（econ_hard，breaks = c（0,2.5,5），labels = c（“ A”，“ B”））
结果：cut中的错误（econ_hard，breaks = c（0，2.5，5），labels = c（“ A”，“ B”））： 找不到对象“ econ_hard”