特征工具 DiffDatetimes 如何在 dfs 中工作？答案

【问题标题】：how does featuretools DiffDatetimes work within the dfs?特征工具 DiffDatetimes 如何在 dfs 中工作？
【发布时间】：2022-10-07 02:25:55
【问题描述】：

我有以下数据集：

在哪里：

customer id 代表一个唯一的客户
每个客户都有多张发票
每张发票都标有唯一标识符（发票）
每张发票有多个项目（行）

我想确定客户发票之间的时差。换句话说，一张发票和下一张发票之间的时间。这可能吗？我应该如何使用 DiffDatetime？

这是我设置实体的方式：

es = ft.EntitySet(id=\"data\")

es = es.add_dataframe(
    dataframe=df, 
    dataframe_name=\"items\", 
    index = \"items\", 
    make_index=True,  
    time_index=\"InvoiceDate\", 
)

es.normalize_dataframe(
    base_dataframe_name=\"items\", 
    new_dataframe_name=\"invoices\", 
    index=\"Invoice\", 
    copy_columns=[\"Customer ID\"], 
)

es.normalize_dataframe(
    base_dataframe_name=\"invoices\",
    new_dataframe_name=\"customers\",
    index=\"Customer ID\",
)

我试过了：

feature_matrix, feature_defs = ft.dfs(
    entityset=es,
    target_dataframe_name=\"invoices\",
    agg_primitives=[],
    trans_primitives=[\"diff_datetime\"],
    verbose=True,    
)

并且还将目标数据框更改为发票或客户，但这些都不起作用。

我正在尝试处理的 df 如下所示：

es[\"invoices\"].head()

我想要的可以用这样的熊猫来完成：

es[\"invoices\"].groupby(\"Customer ID\")[\"first_items_time\"].diff()

489434                NaT
489435    0 days 00:01:00
489436                NaT
489437                NaT
489438                NaT
               ...       
581582    0 days 00:01:00
581583    8 days 01:05:00
581584    0 days 00:02:00
581585   10 days 20:41:00
581586   14 days 02:27:00
Name: first_items_time, Length: 40505, dtype: timedelta64[ns]

标签： featuretools

【解决方案1】：

谢谢你的问题。

您可以在对dfs 的调用中使用groupby_trans_primitives 参数。

这是一个例子：

feature_matrix, feature_defs = ft.dfs(
    entityset=es,
    target_dataframe_name="invoices",
    agg_primitives=[],
    groupby_trans_primitives=["diff_datetime"],
    return_types="all",
    verbose=True,    
)

return_types 参数是必需的，因为 DiffDatetime 返回具有 Timedelta 逻辑类型的功能。如果不指定 return_types="all"，DeepFeatureSynthesis 将仅返回具有数字、分类和布尔数据类型的要素。

【讨论】：