Featuretools 与非唯一连接键的关系答案

【问题标题】：Featuretools relationship with non unique join keyFeaturetools 与非唯一连接键的关系
【发布时间】：2019-02-27 00:41:55
【问题描述】：

假设我有两张表，一张包含有关客户的元数据，字段为 customer_id，而事件表记录自网站点击流事件，字段为 customer_id、date。显然，第二个表可能有几个非唯一事件（不幸的是，日期实际上只是一个日期而不是时间戳）。

当尝试创建 https://docs.featuretools.com/loading_data/using_entitysets.html 时失败：

Index is not unique on dataframe (Entity transactions)

我怎样才能让它独一无二或让它发挥作用？

【问题讨论】：

标签： python feature-extraction feature-engineering featuretools

【解决方案1】：

如果您的表没有可用作唯一索引的列，您可以让 featuretools 自动创建一个。调用EntitySet.entity_from_dataframe(...) 时，只需将数据框中当前不存在的列名提供给index 参数并设置make_index=True。这将自动创建一个具有唯一值的列。

例如，在下面的代码中，event_id 索引是自动创建的

import pandas as pd
import featuretools as ft

df = pd.DataFrame({"customer_id": [0, 1, 0, 1, 1],
                   "date": [pd.Timestamp("1/1/2018"), pd.Timestamp("1/1/2018"),
                            pd.Timestamp("1/1/2018"), pd.Timestamp("1/2/2018"),
                            pd.Timestamp("1/2/2018")],
                   "event_type": ["view", "purchase", "view", "cancel", "purchase"]})

es = ft.EntitySet(id="customer_events")                
es.entity_from_dataframe(entity_id="events",
                         dataframe=df,
                         index="event_id",
                         make_index=True,
                         time_index="date")

print(es["events"])

在事件实体中，您可以看到 event_id 现在是一个变量，即使它不在原始数据帧中

Entity: events
  Variables:
    event_id (dtype: index)
    date (dtype: datetime_time_index)
    customer_id (dtype: numeric)
    event_type (dtype: categorical)
  Shape:
    (Rows: 5, Columns: 4)

【讨论】：