如何在 FeatureTools 中为多输出基元实现自定义命名

Question

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要输出多输出原语：

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 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,
                                             input_types = [vtypes.Datetime],
                                             return_type = vtypes.Numeric,
                                             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})

我收到了一个断言错误。更让我困惑的是，当我进入featuretools/primitives/base文件夹中的transform_primitve_base.py文件时，看到generate_names函数长这样：

    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原语名称，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。

Answer 1

感谢您的提问！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，始终使用“正弦”和“余弦”作为自定义名称并删除可选来自sine_and_cosine_datestamp 的string 参数。我还更新了功能名称文本以匹配您想要的文本。

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']]

这会创建像 SINE_AND_COSINE_DATESTAMP(order_date)[sine] 这样的特征列名称。无需对实际的 make_trans_primitive 调用进行任何更改。

在上面的函数中，您似乎无法生成自定义原始名称，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，如果您仍有疑问，请告诉我！