Bucketizer (根据指定的分位点进行分桶)

Bucketizer (根据指定的分位点进行分桶)

描述：Bucketizer是一个Transformer，只能对DataFrame进行单特征转换，而且特征的数据类型必须是DoubleType。

参数信息	参数描述	备注	其余
setInputCol	String	DF中待变换的特征，特征类型必须为：DoubleType	必填
setOutputCol	String	变换后的特征名称，转换后的类型为：DoubleType	必填
setSplits	Array[Double]	分箱分位点：Array(Double.MinValue, 20, 50, 70, Double.MaxValue)	必填
setHandleInvalid	String	无效条目的处理方式,枚举值：["skip", "error", "keep"]	可选

程序示例：

//特征名称
var feature = "weight"
var feature_new = "weight_bucketizer"
//分箱点[前闭后开]
var splits: Array[Double] = Array(Double.MinValue, 20, 50, 70, Double.MaxValue)
//数据预处理
var dataset = dataFrame.select(col(feature).cast(DataTypes.DoubleType))
//特征二值化
var transform = new Bucketizer()
.setInputCol(feature)         //待变换的特征
.setOutputCol(feature_new)    //变换后的特征名称
.setSplits(splits)            //分箱点[前闭后开]
.setHandleInvalid("skip")     //无效条目的处理方式[跳过]
.transform(dataset)
//show
transform.show()

数据结果：

+------+-----------------+
|weight|weight_bucketizer|
+------+-----------------+
|  45.0|              1.0|
|  60.0|              2.0|
|  69.0|              2.0|
|  53.0|              2.0|
|  90.0|              3.0|
|  45.0|              1.0|
|  53.0|              2.0|
|  88.0|              3.0|
|  82.0|              3.0|
|  76.0|              3.0|
+------+-----------------+

实际应用例子：

      将人的体重进行离散化，将人群分为：【瘦，标准，胖】