如何在 FeatureTools 中实现多输出基元的自定义命名

如何解决如何在 FeatureTools 中实现多输出基元的自定义命名

从 v0.12.0 版本开始，Featuretools 允许您为多输出原语分配自定义名称：https://github.com/alteryx/featuretools/pull/794。默认情况下，当您定义自定义多输出原语时，生成的特征的列名称会附加 [0]、[1]、[2] 等。所以让我们说我有以下代码来输出多输出原语：

def sine_and_cosine_datestamp(column):
    """
    Returns the Sin and Cos of the hour of datestamp
    """
    sine_hour = np.sin(column.dt.hour)
    cosine_hour = np.cos(column.dt.hour)
    
    ret = [sine_hour,cosine_hour]
    return ret

Sine_Cosine_Datestamp = make_trans_primitive(function = sine_and_cosine_datestamp,input_types = [vtypes.Datetime],return_type = vtypes.Numeric,number_output_features = 2)

在从 DFS 生成的数据框中，生成的两个列的名称将是 SINE_AND_COSINE_DATESTAMP(datestamp)[0] 和 SINE_AND_COSINE_DATESTAMP(datestamp)[1]。实际上，我希望列的名称能够反映对列进行的操作。所以我希望列名类似于 SINE_AND_COSINE_DATESTAMP(datestamp)[sine] 和 SINE_AND_COSINE_DATESTAMP(datestamp)[cosine]。显然，您必须使用 generate_names 方法才能这样做。我在网上找不到任何东西来帮助我使用这种方法，而且我一直遇到错误。例如，当我尝试以下代码时：

def sine_and_cosine_datestamp(column,string = ['sine,cosine']):
    """
    Returns the Sin and Cos of the hour of the datestamp
    """
    sine_hour = np.sin(column.dt.hour)
    cosine_hour = np.cos(column.dt.hour)
    
    ret = [sine_hour,cosine_hour]
    return ret

def sine_and_cosine_generate_names(self,base_feature_names):
    return u'STRING_COUNT(%s,"%s")' % (base_feature_names[0],self.kwargs['string'])

Sine_Cosine_Datestamp = make_trans_primitive(function = sine_and_cosine_datestamp,number_output_features = 2,description = "For each value in the base feature"
                                             "outputs the sine and cosine of the hour,day,and month.",cls_attributes = {'generate_names': sine_and_cosine_generate_names})

我收到了断言错误。更令我困惑的是，当我进入 transform_primitve_base.py 文件夹中的 featuretools/primitives/base 文件时，我看到 generate_names 函数如下所示：

    def generate_names(self,base_feature_names):
        n = self.number_output_features
        base_name = self.generate_name(base_feature_names)
        return [base_name + "[%s]" % i for i in range(n)]

在上面的函数中，您似乎无法生成自定义基元名称，因为它默认使用 base_feature_names 和输出特征的数量。任何帮助将不胜感激。

解决方法

感谢提问！此功能没有得到很好的记录。

您的代码的主要问题是 string_count_generate_name 应该返回一个字符串列表，每列一个。

看起来您正在改编文档中的 StringCount 示例——我认为对于这个原语，总是使用“正弦”和“余弦”作为自定义名称，并删除来自 string 的可选 sine_and_cosine_datestamp 参数。我还更新了功能名称文本以匹配您想要的文本。

在这些变化之后：

def sine_and_cosine_datestamp(column):
    """
    Returns the Sin and Cos of the hour of the datestamp
    """
    sine_hour = np.sin(column.dt.hour)
    cosine_hour = np.cos(column.dt.hour)
    
    ret = [sine_hour,cosine_hour]
    return ret

def sine_and_cosine_generate_names(self,base_feature_names):
    template = 'SINE_AND_COSINE_DATESTAMP(%s)[%s]'
    return [template % (base_feature_names[0],string) for string in ['sine','cosine']]

这创建了像 SINE_AND_COSINE_DATESTAMP(order_date)[sine] 这样的特征列名称。无需更改实际的 make_trans_primitive 调用。

在上面的函数中，您似乎无法生成自定义基元名称，因为它默认使用 base_feature_names 和输出特征的数量。

这是转换原语的默认 generate_names 函数。由于我们将此自定义生成名称函数分配给 Sine_Cosine_Datestamp ，因此不会使用默认值。

希望对您有所帮助，如果您还有问题，请告诉我！