你在寻找这样的东西吗？如果是这样，我很乐意解释下面代码的工作原理。

library(data.table)
library(intervals)

DT <- fread("Start  End
            5000    6000
            12000   13000
            37000   38000
            38500   39000")

gap = 2000

DT.int <- as.data.table(
  intervals::close_intervals( 
    intervals::contract( 
      intervals::reduce( 
        intervals::expand( 
          intervals::Intervals(as.matrix(DT), type = "Z" ), 
          gap/2)
        ), 
      gap/2)
    )
  )
DT.int[, id := .I]
      
# join back the id
DT[DT.int, id := i.id, on = .(Start >= V1, End <= V2)][]

   Start   End id
1:  5000  6000  1
2: 12000 13000  2
3: 37000 38000  3
4: 38500 39000  3

在DF上运行kmeans，如最后的注解中所示。我们假设可以有1到3个集群。根据需要进行更改。然后在下面显示手肘图上，2个集群似乎是一个不错的值，因此使用2个集群运行kmeans以获得分组向量。我们可以看到，聚类将前两行分配给了一个聚类，将后两行分配给了另一个聚类。

tot.within <- sapply(1:3, function(k) kmeans(x = DF, k)$tot.within)
plot(tot.within, type = "o") # see plot below

cbind(DF, group = kmeans(DF, 2, nstart = 25)$cluster)
##   Start   End group
## 1  5000  6000     2
## 2 12000 13000     2
## 3 37000 38000     1
## 4 38500 39000     1

注解

Lines <- "Start End
5000 6000
12000 13000
37000 38000
38500 39000"
DF <- read.table(text = Lines, header = TRUE)