spark 等频 等宽 分箱的一个小问题

spark 等频 等宽 分箱的一个小问题

文章大纲

• spark 等频 等宽 分箱 数据量较少时的现象
• 分箱编号不同的原因剖析
• • 等频分箱当分箱数量 多于 实际出现的数据
  • • 第一步： 计算分箱拆分区间
    • 第二步：重新计算，去重
    • 第三步：计算结果
  • 等频分箱当分箱数量 少于 实际出现的数据
• 参考文献

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