4

我有这 3 个数据框：

df_train cortado:____________________ 
    SK_ID_CURR  TARGET  NAME_CONTRACT_TYPE_Cash loans  \
0      100002       1                              1   
1      100003       0                              1   
2      100004       0                              0   
3      100006       0                              1   
4      100007       0                              1   

   NAME_CONTRACT_TYPE_Revolving loans  CODE_GENDER_F  CODE_GENDER_M  
0                                   0              0              1  
1                                   0              1              0  
2                                   1              0              1  
3                                   0              1              0  
4                                   0              0              1  

df_bureau cortado:____________________ 
    SK_ID_CURR  SK_ID_BUREAU  CREDIT_ACTIVE_Active
0      100002       5714464                     1
1      100002       5714465                     1
2      215354       5714466                     1
3      215354       5714467                     1
4      215354       5714468                     1

bureau_balance cortado 3:____________________ 
    SK_ID_BUREAU  MONTHS_BALANCE  STATUS_C
0       5715448               0         1
1       5715448              -1         1
2       5715448              -2         1
3       5715448              -3         1
4       5715448              -4         1

这是我试图运行以进行特征合成的脚本：

entities = {
    "train"          : (df_train,         "SK_ID_CURR"),
    "bureau"         : (df_bureau,        "SK_ID_BUREAU"),
    "bureau_balance" : (df_bureau_balance,"MONTHS_BALANCE", "STATUS", "SK_ID_BUREAU")                       , 
    }

relationships = [
    ("bureau", "SK_ID_BUREAU", "bureau_balance", "SK_ID_BUREAU"),
    ("train", "SK_ID_CURR", "bureau", "SK_ID_CURR")
             ]

feature_matrix_customers, features_defs = ft.dfs(entities=entities,
                                             relationships=relationships,
                                             target_entity="train"
                                             )

但是，无论我何时引入“STATUS”列，都会发生此错误：TypeError: 'str' object does not support item assignment

如果我不放置“状态”列，则可以使用几行数据框。当行数增加时（并且只有将 STATUS 作为键才能解决它），会发生另一个错误： AssertionError: Index is not unique on dataframe (Entity Bureau_balance)

提前致谢！！

4

2 回答 2

4

你是对的，数据框需要一个唯一的索引才能成为一个实体。一个简单的选择是添加唯一索引以df_bureau_balance使用

df_bureau_balance.reset_index(inplace = True)

然后制作实体：

entities = {
    "train"          : (df_train,         "SK_ID_CURR"),
    "bureau"         : (df_bureau,        "SK_ID_BUREAU"),
    "bureau_balance" : (df_bureau_balance, "index")
    }

一个更好的选择是使用实体集来表示您的数据。当我们从 中创建实体时df_bureau_balance，因为它没有唯一索引，所以我们传入索引make_index = True的名称（可以是任何名称，只要它还不是数据中的列。）其余的与您的非常相似只是语法略有不同！这是一个完整的工作示例：

# Create the entityset
es = ft.EntitySet('customers')

# Add the entities to the entityset
es = es.entity_from_dataframe('train', df_train, index = 'SK_ID_CURR')
es = es.entity_from_dataframe('bureau', df_bureau, index = 'SK_ID_BUREAU')
es = es.entity_from_dataframe('bureau_balance', df_bureau_balance, 
                               make_index = True, index = 'bureau_balance_index')

# Define the relationships
r_train_bureau = ft.Relationship(es['train']['SK_ID_CURR'], es['bureau']['SK_ID_CURR'])
r_bureau_balance = ft.Relationship(es['bureau']['SK_ID_BUREAU'], 
                                   es['bureau_balance']['SK_ID_BUREAU'])

# Add the relationships
es = es.add_relationships([r_train_bureau, r_bureau_balance])

# Deep feature synthesis
feature_matrix_customers, feature_defs = ft.dfs(entityset=es, target_entity = 'train')

实体集可帮助您在单个结构中跟踪所有数据！Featuretools文档有助于了解使用实体集的基础知识，我建议您阅读一下。

于 2018-06-25T17:17:31.730 回答
0

caseWestern 的答案是在 Featuretools 中创建一个推荐的方法EntitySet。

话虽如此，您看到的错误是因为 Featuretools 期望实体的 4 个值是变量类型是字典 dict[str -> Variable] 的地方。现在，您只为第四个参数传入一个字符串，因此 Featuretools 在尝试添加条目时会失败，因为它实际上不是字典。

您可以查看实体集的文档以获取更多信息。

于 2018-06-26T14:09:00.820 回答