featuretools.primitives.RollingCount#

class featuretools.primitives.RollingCount(window_length=3, gap=1, min_periods=0)[source]#

确定在给定窗口上的事件滚动计数.

描述:

给定一个日期时间列表,返回从当前行开始,向前推移指定时间窗口（由`window_length`和`gap`定义）的滚动计数.

输入的日期时间应为单调递增.

Parameters:

  • window_length (int, string, 可选) – 指定每个窗口中包含的数据量. 如果提供整数,它将对应于行数.对于具有均匀采样频率的数据,例如每天一次,`window_length`将对应于一段时间,在这种情况下, 7 天的`window_length`为 7. 如果提供字符串,它必须是 pandas 的偏移别名字符串之一（’1D’, ‘1H’ 等）, 它将指示每个窗口应跨越的时间长度. 可用的偏移别名列表可以在以下网址找到: https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#offset-aliases. 默认为 3.

  • gap (int, string, 可选) – 指定在每个实例之前,窗口中可用数据开始前的间隙. 如果提供整数,它将对应于行数. 如果提供字符串,它必须是 pandas 的偏移别名字符串之一（’1D’, ‘1H’ 等）, 它将指示目标实例与其窗口开始之间的时间长度. 默认为 1.

  • min_periods (int, 可选) – 执行窗口计算所需的最小观测数. 当`window_length`为整数时,`min_periods`只能与`window_length`一样大. 当`window_length`为偏移别名字符串时,此限制不存在,但应注意 不要选择总是大于窗口中观测数的`min_periods`. 默认为 1.

注意:

只有具有固定频率的偏移别名才能用于定义`gap`和`h`. 这意味着不能使用诸如`M`或`W`之类的别名,因为它们可以表示不同的天数. （’M’,因为不同的月份有不同的天数; ‘W’,因为周将指示一周中的某一天,如 W-Wed,因此将 根据锚定日期指示不同的天数.）

注意:

当使用偏移别名定义`gap`时,也必须使用偏移别名定义`window_length`. 当使用偏移别名定义`window_length`时,此限制不存在.实际上, 如果数据具有均匀的采样频率,使用数值`gap`更可取,因为它更高效.

Examples

>>> import pandas as pd
>>> rolling_count = RollingCount(window_length=3)
>>> times = pd.date_range(start='2019-01-01', freq='1min', periods=5)
>>> rolling_count(times).tolist()
[nan, 1.0, 2.0, 3.0, 3.0]

我们还可以控制滚动计算前的间隙.

>>> import pandas as pd
>>> rolling_count = RollingCount(window_length=3, gap=0)
>>> times = pd.date_range(start='2019-01-01', freq='1min', periods=5)
>>> rolling_count(times).tolist()
[1.0, 2.0, 3.0, 3.0, 3.0]

我们还可以控制滚动计算所需的最小周期数.

>>> import pandas as pd
>>> rolling_count = RollingCount(window_length=3, min_periods=3, gap=0)
>>> times = pd.date_range(start='2019-01-01', freq='1min', periods=5)
>>> rolling_count(times).tolist()
[nan, nan, 3.0, 3.0, 3.0]

我们还可以使用偏移别名字符串设置`window_length`和`gap`. >>> import pandas as pd >>> rolling_count = RollingCount(window_length=’3min’, gap=’1min’) >>> times = pd.date_range(start=’2019-01-01’, freq=’1min’, periods=5) >>> rolling_count(times).tolist() [nan, 1.0, 2.0, 3.0, 3.0]

__init__(window_length=3, gap=1, min_periods=0)[source]#

Methods

__init__([window_length, gap, min_periods])

flatten_nested_input_types(input_types)

将嵌套的列模式输入展平成一个列表.

generate_name(base_feature_names)

generate_names(base_feature_names)

get_args_string()

get_arguments()

get_description(input_column_descriptions[, ...])

get_filepath(filename)

get_function()

Attributes

base_of

base_of_exclude

commutative

default_value

Default value this feature returns if no data found.

description_template

input_types

woodwork.ColumnSchema types of inputs

max_stack_depth

name

Name of the primitive

number_output_features

Number of columns in feature matrix associated with this feature

return_type

ColumnSchema type of return

stack_on

stack_on_exclude

stack_on_self

uses_calc_time

uses_full_dataframe