在功能工具中使用多个 ID

Question

我有一个数据集，我想对其进行自动特征工程。然而它是基于时间序列的，所以为了让它工作，我必须使用 2 个东西作为 id，对象 id 和日期。

x = pd.DataFrame({'id': [1,2,1], 'date': [2012021,2032021,4052021], 'x1': [1,2,3]})
y = pd.DataFrame({'id': [1,2,1], 'date': [2012021,2032021,4052021], 'label': [3,2,1]})
entities = {"features": (x, ['id','date']), "labels": (y, ['id','date'])}
feature_matrix, features_defs = ft.dfs(entities=entities,target_entity="y")

当我运行它时，我得到了这个错误：

TypeError: unhashable type: 'list'

我该如何解决这个问题？

Answer 1

您是对的，但是在这里，您应该为实体集创建唯一索引，然后在 dfs 中使用正确的索引 (id)。我会推荐这种方式：

1. 创建单个数据框而不是两个

data = pd.DataFrame({'id': [1,2,1], 'date': [2012021,2032021,4052021], 'x1': [1,2,3], 'label': [3,2,1]})

1. 为列添加唯一索引

data['index'] = data.index

1. 创建实体集

es = ft.EntitySet('My EntitySet')

4. 从数据框创建实体（不使用两种索引）

es.entity_from_dataframe(
    entity_id='main_data',
    dataframe=data,
    index='index',
    time_index='date'
)

5. 规范化它

es.normalize_entity(
    base_entity_id='main_data',
    new_entity_id='observations',
    index='id',
    make_time_index=True
)

6. 创建功能（如果您不想使用默认设置，请不要忘记设置，例如聚合）

feature_matrix, features_defs = ft.dfs(entityset=es, target_entity="main_data")

可能有另一种甚至更好的方法来处理这个问题，请查看this github question 或this SO answer。