首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >FeatureTools:处理多到多的关系

FeatureTools:处理多到多的关系
EN

Stack Overflow用户
提问于 2018-10-03 14:37:24
回答 1查看 1.1K关注 0票数 2

我有多列采购的数据,包括以下三栏:

代码语言:javascript
复制
 PURCHASE_ID (index of purchase)
 WORKER_ID (index of worker)
 ACCOUNT_ID (index of account)

一个工作人员可以有多个与他们关联的帐户,一个帐户可以有多个工作人员。

如果我创建了员工实体和帐户实体并添加了这些关系,那么我就会得到一个错误:

代码语言:javascript
复制
KeyError: 'Variable: ACCOUNT_ID not found in entity'

到目前为止,我的代码如下:

代码语言:javascript
复制
import pandas as pd
import featuretools as ft
import featuretools.variable_types as vtypes

d = {'PURCHASE_ID': [1, 2], 
     'WORKER_ID': [0, 0], 
     'ACCOUNT_ID': [1, 2], 
     'COST': [5, 10], 
     'PURCHASE_TIME': ['2018-01-01 01:00:00', '2016-01-01 02:00:00']}
df = pd.DataFrame(data=d)

data_variable_types = {'PURCHASE_ID': vtypes.Id,
                       'WORKER_ID': vtypes.Id,
                       'ACCOUNT_ID': vtypes.Id,
                       'COST': vtypes.Numeric,
                       'PURCHASE_TIME': vtypes.Datetime}

es = ft.EntitySet('Purchase')
es = es.entity_from_dataframe(entity_id='purchases',
                               dataframe=df,
                               index='PURCHASE_ID',
                               time_index='PURCHASE_TIME',
                               variable_types=data_variable_types)

es.normalize_entity(base_entity_id='purchases',
                   new_entity_id='workers',
                   index='WORKER_ID',
                   additional_variables=['ACCOUNT_ID'],
                   make_time_index=False)

es.normalize_entity(base_entity_id='purchases',
                   new_entity_id='accounts',
                   index='ACCOUNT_ID',
                   additional_variables=['WORKER_ID'],
                   make_time_index=False)

fm, features = ft.dfs(entityset=es,
                     target_entity='purchases',
                     agg_primitives=['mean'],
                     trans_primitives=[],
                     verbose=True)
features

我如何将实体分开以包含多到多的关系?

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2018-10-04 13:52:28

您的方法是正确的,但是不需要使用additional_variables变量参数。如果省略它,您的代码将无问题地运行。

additional_variables to EntitySet.normalize_entity的目的是在您要创建的新父实体中包含您想要的其他变量。例如,假设您有关于雇用日期、薪资、地点等的变量,您可以将这些变量作为附加变量,因为对于员工来说,这些变量是静态的。在这种情况下,我不认为你有任何这样的变量。

这是我看到的代码和输出

代码语言:javascript
复制
import pandas as pd
import featuretools as ft
import featuretools.variable_types as vtypes

d = {'PURCHASE_ID': [1, 2], 
     'WORKER_ID': [0, 0], 
     'ACCOUNT_ID': [1, 2], 
     'COST': [5, 10], 
     'PURCHASE_TIME': ['2018-01-01 01:00:00', '2016-01-01 02:00:00']}
df = pd.DataFrame(data=d)

data_variable_types = {'PURCHASE_ID': vtypes.Id,
                       'WORKER_ID': vtypes.Id,
                       'ACCOUNT_ID': vtypes.Id,
                       'COST': vtypes.Numeric,
                       'PURCHASE_TIME': vtypes.Datetime}

es = ft.EntitySet('Purchase')
es = es.entity_from_dataframe(entity_id='purchases',
                               dataframe=df,
                               index='PURCHASE_ID',
                               time_index='PURCHASE_TIME',
                               variable_types=data_variable_types)

es.normalize_entity(base_entity_id='purchases',
                   new_entity_id='workers',
                   index='WORKER_ID',
                   make_time_index=False)

es.normalize_entity(base_entity_id='purchases',
                   new_entity_id='accounts',
                   index='ACCOUNT_ID',
                   make_time_index=False)

fm, features = ft.dfs(entityset=es,
                     target_entity='purchases',
                     agg_primitives=['mean'],
                     trans_primitives=[],
                     verbose=True)
features

这输出

代码语言:javascript
复制
[<Feature: WORKER_ID>,
 <Feature: ACCOUNT_ID>,
 <Feature: COST>,
 <Feature: workers.MEAN(purchases.COST)>,
 <Feature: accounts.MEAN(purchases.COST)>]

如果我们改变目标实体并增加深度

代码语言:javascript
复制
fm, features = ft.dfs(entityset=es,
                     target_entity='workers',
                     agg_primitives=['mean', 'count'],
                     max_depth=3,
                     trans_primitives=[],
                     verbose=True)
features

输出现在是workers实体的特性。

代码语言:javascript
复制
[<Feature: COUNT(purchases)>,
 <Feature: MEAN(purchases.COST)>,
 <Feature: MEAN(purchases.accounts.MEAN(purchases.COST))>,
 <Feature: MEAN(purchases.accounts.COUNT(purchases))>]

让我们解释一下名为MEAN(purchases.accounts.COUNT(purchases))>的特性

  1. 对于给定的员工,查找与该员工相关的每一项采购。
  2. 对于这些采购中的每一项,计算参与该特定采购的帐户所进行的采购总数。
  3. 对所有给定工人的购买量进行平均计算。

换言之,“与这名工人的采购有关的账户平均采购数量是多少”。

票数 3
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/52629549

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档