Featuretools -无法在Entityset中添加关系

Question

我正在用这是Kaggle的数据写笔记本。下面是两个表的屏幕截图，以显示我们在这两个表中都有ID列。

​

下面是我在尝试设置实体集并添加关系时的代码。

import featuretools as ft 
import pandas as pd

es = ft.EntitySet()
es = es.add_dataframe(dataframe=train_sampled, index='new_index', dataframe_name='application', make_index=True)
es = es.add_dataframe(dataframe=bureau, index='new_index', dataframe_name='bureau', make_index=True)

new_relationship = ft.Relationship(entityset=es,parent_dataframe_name='application',parent_column_name='SK_ID_CURR',
                    child_dataframe_name='bureau',child_column_name='SK_ID_CURR')
es = es.add_relationship(new_relationship)

这是我所犯的错误，这是毫无意义的。

KeyError：'DataFrame application.SK_ID_CURR>在实体集中不存在‘

Entityset存在，但不能添加关系，这就是其中的要点。

​

任何建议或指导都是非常感谢的。

编辑:解决方案--这段代码使用下面的答案加上将bureau表中的索引列更改为唯一的索引列。

es = ft.EntitySet()
es = es.add_dataframe(dataframe=train_sampled, index='SK_ID_CURR', dataframe_name='application', make_index=False)
es = es.add_dataframe(dataframe=bureau, index='SK_ID_BUREAU', dataframe_name='bureau', make_index=False)

new_relationship = ft.Relationship(entityset=es,parent_dataframe_name='application',parent_column_name='SK_ID_CURR',
                    child_dataframe_name='bureau',child_column_name='SK_ID_CURR')
es = es.add_relationship(relationship=new_relationship)

Answer 1

如果要通过传入一个EntitySet对象向Relationship添加关系，则需要确保在调用中使用relationship关键字，如下所示：

es.add_relationship(relationship=new_relationship)

在不使用relationship关键字的情况下，该方法期望传入四个值，指示parent_dataframe_name、parent_column_name、child_dataframe_name、child_column_name。使用这种方法，您可以跳过创建Relationship对象并添加如下关系：

es.add_relationship('application', 'SK_ID_CURR', 'bureau', 'SK_ID_CURR')

最后，还可以使用EntitySet.add_relationships方法添加关系，通过传入一个Relationship对象列表，可以向EntitySet添加一个或多个关系：

es.add_relationships([new_relationship])

有关所有这些方法和预期参数的更多详细信息，您始终可以参考Featuretools参考