gpt4 book ai didi

python - 根据特征工具中的截止时间创建特征

转载 作者:行者123 更新时间:2023-12-01 08:36:40 24 4
gpt4 key购买 nike

我正在使用 featuretools,我需要创建一个使用截止时间进行计算的功能。

我的实体集包含一个客户端表和一个订阅表(它有更多,但对于这个问题来说,只有这些是必需的):

import featuretools as ft
import pandas as pd


client_table = pd.DataFrame({'client_id': (1,2,3),
'start_date': (dt.date(2015,1,1),dt.date(2017,10,15),dt.date(2011,1,10))})

subscription_table = pd.DataFrame({'client_id': (1,3,1,2),
'start_plan_date': (dt.date(2015,1,1),dt.date(2011,1,10), dt.date(2018,2,1),dt.date(2017,10,15)),
'end_plan_date':(dt.date(2018,2,1),dt.date(2019,1,10), dt.date(2021,2,1),dt.date(2019,10,15))})

客户表

client_id   start_date
0 1 2015-01-01
1 2 2017-10-15
2 3 2011-01-10

子表

subscription_id client_id   start_plan_date end_plan_date
0 1 1 2015-01-01 2018-02-01
1 2 3 2011-01-10 2019-01-10
2 3 1 2018-02-01 2021-02-01
3 4 2 2017-10-15 2019-10-15

我使用 client_id 作为键并将 start_date 设置为 time_index 创建了实体集

es = ft.EntitySet()
es = es.entity_from_dataframe(entity_id="client",
dataframe=client_table,
index="client_id",
time_index="start_date")

es = es.entity_from_dataframe(entity_id="subscription",
dataframe=subscription_table,
index="subscription_id",
time_index="start_plan_date",
variable_types={"client_id": ft.variable_types.Index,
"end_plan_date": ft.variable_types.Datetime})

relation= ft.Relationship(es["client"]["client_id"],es["subscription"]["client_id"])

es = es.add_relationship(relation)
print(es)

输出:

Entityset: None
Entities:
subscription [Rows: 4, Columns: 4]
client [Rows: 3, Columns: 2]
Relationships:
subscription.client_id -> client.client_id

现在,我需要创建一个功能来估计每个客户的截止时间(即 01/01/2018)和最近的 end_plan_date 之间的时间。以代数形式计算应该是

time_remaining_in_plan = max(订阅.end_plan_date - cutoff_time)

我还需要计算自客户端启动以来的时间量:

time_since_start = cutoff_time - client.start_date

在我的示例中,这些功能的预期输出应如下所示(我假设时间差以天为单位,但也可能是几个月,我也使用截止时间的时间范围):

client_id cutoff_time time_remaining_in_plan  time_since_start
0 3 2018-10-31 71 2851
1 3 2018-11-30 41 2881
2 1 2018-10-31 824 1399
3 1 2018-11-30 794 1429
4 2 2018-10-31 349 381
5 2 2018-11-30 319 411

有没有办法使用特征工具来创建可以生成此结果的自定义基元(聚合或转换)或种子特征??

谢谢!!

最佳答案

这可以通过使用 use_calc_time 参数的自定义原语来完成。该参数将设置原语,以便在计算过程中将截止时间传递给它。

就您而言,我们需要定义两个原语

from featuretools.primitives import make_trans_primitive
from featuretools.variable_types import Datetime, Numeric


def time_until(array, time):
diff = pd.DatetimeIndex(array) - time
return diff.days


TimeUntil = make_trans_primitive(function=time_until,
input_types=[Datetime],
return_type=Numeric,
uses_calc_time=True,
description="Calculates time until the cutoff time in days",
name="time_until")


def time_since(array, time):
diff = time - pd.DatetimeIndex(array)
return diff.days


TimeSince = make_trans_primitive(function=time_since,
input_types=[Datetime],
return_type=Numeric,
uses_calc_time=True,
description="Calculates time since the cutoff time in days",
name="time_since")

然后我们可以在调用ft.dfs时使用原语

cutoff_times = pd.DataFrame({
"client_id": [1, 1, 2, 2, 3, 3],
"cutoff_time": pd.to_datetime([dt.date(2018,10,31), dt.date(2018,11,30)]*3)
})

fm, fl = ft.dfs(entityset=es,
target_entity="client",
cutoff_time=cutoff_times,
agg_primitives=["max"],
trans_primitives=[TimeUntil, TimeSince],
cutoff_time_in_index=True)


# these columns correspond to time_remaining_in_plan and time_since_start
fm = fm[["MAX(subscription.TIME_UNTIL(end_plan_date))", "TIME_SINCE(start_date)"]]

这会返回

                      MAX(subscription.TIME_UNTIL(end_plan_date))  TIME_SINCE(start_date)
client_id time
1 2018-10-31 -272 1399
2 2018-10-31 349 381
3 2018-10-31 71 2851
1 2018-11-30 -302 1429
2 2018-11-30 319 411
3 2018-11-30 41 2881

这与您在答案中查找的结果相匹配,但客户端 id 1 的 time_remaining_in_plan 除外。我仔细检查了 Feauturetools 出现的数字,我相信它们适合此数据集。

关于python - 根据特征工具中的截止时间创建特征,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53686567/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com