步骤：
1.根据x_axis和y_axis中设置的切片，使用cut()函数将RT1和RT2分成多个组
1.获取我们刚刚创建的每个x和y组的计数。

out <- df |> 
  mutate(x = cut(RT1, c(0, x_axis), labels = x_axis),
            y = cut(RT2, y_axis, labels = y_axis[-1])) |>
            count(x, y)

输出量：

x    y  n
1  220  700  4
2  350  700  2
3  700 1400  8
4 1250 2500 10
5 1800 3500  6

如果你坚持使用更宽的格式（尽管这样存储数据是不整洁/不好的做法，而且零只会增加更多的混乱），你可以使用pivot_wider()：

out |> pivot_wider(names_from= y, values_from = n, values_fill = 0)

输出量：

# A tibble: 5 × 5
  x     `700` `1400` `2500` `3500`
  <fct> <int>  <int>  <int>  <int>
1 220       4      0      0      0
2 350       2      0      0      0
3 700       0      8      0      0
4 1250      0      0     10      0
5 1800      0      0      0      6

备注：

• 我的表与你的表略有不同，因为看起来你的y轴上的切割与你的截图（大概是你的输出）中的切割略有不同。最小的一个在输入中是100，但在图中它大约是220。

你的问题不够清楚，因为你选择的例子有很多巧合，可能会导致误解。

• 2列，不包括主题（RT1，RT1）。2个用于比较的向量（x_axis，y_axis）。df中的2例受试者。他们之间有什么联系吗？
• 在df2中，每一行都表示在一个范围内的个体的数量（频率），但这没有太大的意义，因为1个数字只会被归类在1个范围内，所以df2中的零表示我认为很明显的东西。
• 为什么你没有考虑df2中的范围x3-x4，我可以假设这是一个错误，但在你的例子中，这是一个有更多个体的范围。

因此，假设存在对应关系：RT1-x_axis和RT2-y_axis，我可以建议下一个解决方案。我可以改进它，但需要你给予我们一个更好的例子或解释。

mapply(x = df[,2:3], breaks = list(x_axis = x_axis, y_axis = y_axis), 
       FUN = \(x, breaks) cut(x = x, breaks = c(-Inf, breaks, Inf)), 
       SIMPLIFY = FALSE) |> 
  
  lapply(\(x) table(df$Subject, x))

在输出中，每列是一个范围（考虑到假定的对应关系），每行是一个主题。