spark 等频 等宽 分箱的一个小问题

---

spark 等频 等宽 分箱 数据量较少时的现象

这里有一个很有趣的问题，当分箱数比较少 ，少于数据个数时候，等频分箱箱子编号是从0开始的。

当分箱数比较多的时候，多于数据数量，箱子编号是从1 开始编号的

---

分箱编号不同的原因剖析

在下面文章中，我有提到

spark 特征工程 – 分箱 Binning（如何实现等频、等宽分箱）

QuantileDiscretizer （等频分箱）接收具有连续特征的列，并输出具有合并分类特征的列。按分位数，对给出的数据列进行离散化分箱处理。
和Bucketizer（等宽分箱处理）一样都是：

• 将连续数值特征转换为离散类别特征。

• 实际上 Class QuantileDiscretizer extends Bucketizer