Featuretools - RollingSum

Я пытаюсь создать настраиваемые примитивные функции скользящая сумма с помощью инструментов функций, и ниже приведен код: -

class RollingSumOnDatetime(TransformPrimitive):
    """Calculates the rolling sum on a Datetime time index column.
    Description:
        Given a list of values and a Datetime time index, return the rolling sum.
    """

    name = "rolling_sum_on_datetime"
    input_types = [Numeric, DatetimeTimeIndex]
    return_type = Numeric
    uses_full_entity = True
    description_template = "the rolling sum of {} on {}"

    def __init__(self, window=None,on=None):
        self.window = window
        self.on = on


    def get_function(self):
        def rolling_sum(to_roll, on_column):
            """method is passed a pandas series"""
            # create a DataFrame that has the both columns in it
            df = pd.DataFrame({to_roll.name: to_roll, on_column.name: on_column})
            rolled_df = df.rolling(window=self.window, on=on_column.name).sum()
            return rolled_df[to_roll.name]

        return rolling_sum


feature_matrix, feature_defs = ft.dfs(
            entityset=es,
            n_jobs=10,
            target_entity = "contracts",
            agg_primitives=agg_prim,
            trans_primitives=trans_prim,
            groupby_trans_primitives=[
                RollingSumOnDatetime(window = "5D", on=es["days"]["datetime"])
            ],
            max_depth=2,
            drop_contains=["contract_id", "merchant_id"],
        )

Первая часть кода - это настраиваемый примитив, а во второй части я вызываю функцию Это дает ошибку:

ValueError: setting an array element with a sequence.

Пожалуйста, отправьте минимальный воспроизводимый пример.

— 05.04.2021 14:35

python featuretools

05.04.2021 05:38

Почему в Python есть оператор "pass"?

Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.

Некоторые методы, о которых вы не знали, что они существуют в Python

Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...

Основы Python Часть I

Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?

LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа

Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:

Оптимизация кода с помощью тернарного оператора Python

И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это

Советы по эффективной веб-разработке с помощью Python

Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.

Ответы 1

Вам необходимо удалить on=es["days"]["datetime"] при передаче примитива в groupby_trans_primitives. Это не параметр в __init__ из RollingSumOnDatetime, и поэтому не применим.

Вот минимальный воспроизводимый пример:

from featuretools.primitives import AggregationPrimitive, TransformPrimitive
from featuretools.variable_types import Numeric, DatetimeTimeIndex

class RollingSumOnDatetime(TransformPrimitive):
    """Calculates the rolling sum on a Datetime time index column.
    Description:
        Given a list of values and a Datetime time index, return the rolling sum.
    """
    name = "rolling_sum_on_datetime"
    input_types = [Numeric, DatetimeTimeIndex]
    return_type = Numeric
    uses_full_entity = True
    description_template = "the rolling sum of {} on {}"
    def __init__(self, window=None):
        self.window = window

    def get_function(self):
        def rolling_sum(to_roll, on_column):
            """method is passed a pandas series"""
            #create a DataFrame that has the both columns in it
            df = pd.DataFrame({to_roll.name:to_roll, on_column.name:on_column})
            rolled_df = df.rolling(window=self.window, on=on_column.name).sum()
            return rolled_df[to_roll.name]
        return rolling_sum

import featuretools as ft 

es = ft.demo.load_mock_customer(return_entityset=True)

feature_matrix, feature_defs = ft.dfs(
    entityset=es,
    target_entity = "transactions",
    agg_primitives=[],
    trans_primitives=[],
    groupby_trans_primitives=[
        RollingSumOnDatetime(window = "5D")
    ]
)
feature_defs

Если распечатать feature_defs, то получим:

[<Feature: session_id>,
 <Feature: amount>,
 <Feature: product_id>,
 <Feature: ROLLING_SUM_ON_DATETIME(amount, transaction_time, window=5D) by product_id>,
 <Feature: ROLLING_SUM_ON_DATETIME(amount, transaction_time, window=5D) by session_id>,
 <Feature: products.brand>,
 <Feature: sessions.customer_id>,
 <Feature: sessions.device>,
 <Feature: sessions.customers.zip_code>,
 <Feature: ROLLING_SUM_ON_DATETIME(amount, sessions.session_start, window=5D) by product_id>,
 <Feature: ROLLING_SUM_ON_DATETIME(amount, sessions.session_start, window=5D) by session_id>,
 <Feature: ROLLING_SUM_ON_DATETIME(amount, sessions.session_start, window=5D) by sessions.customer_id>]

Пропустил по части в в этом

— 05.04.2021 22:11

05.04.2021 17:23