OneR包bin与optbin函数分箱生成负下限的异常问题咨询

问题重现 #

使用OneR包的bin或optbin函数时，第一个分箱区间的下限出现负值，示例代码及输出如下：

a <- c(0:10)
b <- OneR::bin(a, nbins=5, method = "content")
summary(b)
# (-0.01,2]     (2,4]     (4,6]     (6,8]    (8,10] 
#         3         2         2         2         2 

问题解答 #

• 这是函数的正常行为，既不是bug也和电脑硬件/环境无关
• 原因：该函数默认采用左开右闭的区间规则（(lower, upper]），为了把数据中的最小值0包含进第一个区间，必须设置一个比0小的左边界。如果直接用(0,2]，左开规则会导致0被排除在所有区间之外，无法完成有效分箱
• 关于标签修改：如果仅为了展示美观，手动将第一个区间标签改为[0,2]是可行的，不会影响分箱的实际分组逻辑。可以通过修改因子水平实现：

  levels(b)[1] <- "[0,2]"
  summary(b)
  # [0,2]     (2,4]     (4,6]     (6,8]    (8,10] 
  #     3         2         2         2         2 
  

内容的提问来源于stack exchange，提问作者Kaikus