等頻離散法
Python 實作方式
Java 實作方式
測驗結果對比
總結

等頻離散法

根據資料的頻率分布進行排序，然后按照頻率進行離散，好處是資料變為均勻分布，但是會更改原有的資料結構，區間的邊界值要經過選擇，使得每個區間包含大致相等的實體數量，比如說 N=10 , 每個區間應該包含大約 10% 的實體，

Python 實作方式

等頻法是將相同數量的記錄放在每個區間，保證每個區間的數量基本一致，即將屬性值分為具有相同寬度的區間，區間的個數 boxSize 根據實際情況來決定，比如有 60 個樣本，我們要將其分為 boxSize=10 部分，則每部分的長度為 6 個樣本，其缺點是邊界易出現重復值，如果為了洗掉重復值可以設定 duplicates=‘drop’，但易出現于分片個數少于指定個數的問題

import pandas as pd  
import numpy as np  

data = https://www.cnblogs.com/holicx/p/np.random.randint(1,100,200)  
dd = pd.qcut(data, 10)  
print(str(dd.value_counts()))

運行結果：

Java 實作方式

使用 Java 實作 Python 中的 qcut() 等頻分箱后的 value_counts() 功能，

/**  
 * 等頻分箱  
 *  
 * @param dataList 資料串列  
 * @param boxSize  分箱大小  
 */  
public static String quantileBasedDiscretion(List<BigDecimal> dataList, int boxSize) {  
    if (CollectionUtils.isEmpty(dataList) || 1 == dataList.size()) {  
        throw new RuntimeException("data set can not be null or size 1");  
    }   
	// 資料集排序  
    dataList = dataList.stream().sorted().map(value -> value.setScale(3, RoundingMode.HALF_UP))  
            .collect(Collectors.toList());  
  
    BigDecimal[] boxValue = https://www.cnblogs.com/holicx/p/new BigDecimal[boxSize + 1];  
    // 獲取分位數對應的值  
    for (int i = 0; i <= boxSize; i++) {  
        double quantile = 1.0 * i / boxSize;  
        boxValue[i] = sortedListPercentile(dataList, quantile).setScale(3, RoundingMode.HALF_DOWN);  
    }    
	// 重新計算首部分箱值  
    boxValue[0] = boxValue[0].multiply(BigDecimal.valueOf(1 - 1e-10)).setScale(3, RoundingMode.FLOOR);  
    if (boxValue[0].compareTo(BigDecimal.ZERO) <= 0) {  
        boxValue[0] = boxValue[0].add(new BigDecimal("-0.001")).setScale(3, RoundingMode.FLOOR);  
    }    
	// 分箱操作  
    Map<String, Long> countMap = new LinkedHashMap<>();  
    for (int right = 1; right < boxValue.length; right++) {  
        int left = right - 1;  
        for (BigDecimal data : dataList) {  
            String key = "(" + boxValue[left] + ", " + boxValue[right] + "]";  
            if (data.compareTo(boxValue[left]) > 0 && data.compareTo(boxValue[right]) <= 0) {  
                countMap.compute(key, (k, value) -> value =https://www.cnblogs.com/holicx/p/= null ? 1L : value + 1L);  
            }  
            countMap.putIfAbsent(key, 0L);  
        }  
    }  
    StringBuilder result = new StringBuilder();  
    countMap.forEach((key, value) -> result.append(key).append("\t").append(value).append("\n"));  
    // countMap.forEach((key, value) -> result.append(key).append(" ").append(value).append("|"));  
    return result.length() > 0 ? result.substring(0, result.length() - 1) : null;  
}  
  
/**  
 * 獲取指定分位數的值  
 *  
 * @param numList 資料串列（排序后）  
 * @param p       分位點  
 */  
public static BigDecimal sortedListPercentile(List<BigDecimal> numList, double p) {  
    int n = numList.size();  
    BigDecimal px = BigDecimal.valueOf(p).multiply(BigDecimal.valueOf(n - 1));  
    BigDecimal i = px.setScale(0, RoundingMode.FLOOR);  
    BigDecimal g = px.subtract(i);  
    
    if (g.compareTo(BigDecimal.ZERO) == 0) {  
        return numList.get(i.intValue());  
    } else {  
        BigDecimal d1 = BigDecimal.ONE.subtract(g).multiply(numList.get(i.intValue())).setScale(2, RoundingMode.HALF_UP);  
        BigDecimal d2 = g.multiply(numList.get(i.intValue() + 1)).setScale(2, RoundingMode.HALF_UP);  
        return d1.add(d2);  
    }  
}

運行結果：