在 R 中对分布不均匀的列进行分箱答案

【问题标题】：Binning an unevenly distributed column in R在 R 中对分布不均匀的列进行分箱
【发布时间】：2018-05-28 16:18:25
【问题描述】：

我必须在 R 中有一列分布不均匀，如指数分布。我想对数据进行规范化，然后将数据分箱到后续的存储桶中。

看到以下链接有助于规范化数据，但没有将数据分类到不同类别。

示例：均匀分布列的外观，但行数很多。

dat <- data.frame(Id = c(1,2,3,4,5,6,7,8),
                  Qty = c(1,1,1,2,3,13,30,45))

我希望它将列分为 5 个类别，如下所示：

dat <- data.frame(Id = c(1,2,3,4,5,6,7,8),
                      Qty = c(1,1,1,2,3,13,30,45),
                      Binned_Category = c(1,1,1,1,2,3,4,5))

以上 binned_Category 是示例，对于给定数据，在现实世界中的值可能与此不同。我只是想展示我希望输出的样子。

【问题讨论】：

您的分箱标准是什么？这会涉及截止范围吗？我发现很难理解您是如何到达 Binned_Category 列的。
cut() 是您正在寻找的东西
@M_Shimal：我假设在对列进行归一化之后，我的值将介于 0-1 之间，然后将这些值分成 5 个相等的 bin
正如@abhiieor 指出的那样，我认为 cut() 是您正在寻找的。看看这个stackoverflow.com/questions/40794821/…
@abhiieor：你能提供完整的答案吗？如何首先将指数分布转换为 0-1，然后将其“切割”到 bin 中

标签： r mean binning exponential-distribution

【解决方案1】：

这会有所帮助：

num_bins <- 5
findInterval(Qty, unique(quantile(Qty, prob = seq(0, 1, 1/num_bins))))

【讨论】：

它工作，但不是 rexp(10)，它应该是 Qty
我的列数量遵循指数分布