featuretools.primitives.CityblockDistance

class featuretools.primitives.CityblockDistance(unit='miles')

计算城市道路网格中点之间的距离。

描述

此距离使用 Haversine 公式计算，该公式考虑了地球的曲率。如果任何输入数据包含 NaN，则计算出的距离将为 NaN。此计算也称为曼哈顿距离（Mahnattan distance）。

参数:

unit (str) – 确定输出的单位值。可以是 miles（英里）或 kilometers（千米）。默认为 miles。

示例

>>> cityblock_distance = CityblockDistance()
>>> DC = (38, -77)
>>> Boston = (43, -71)
>>> NYC = (40, -74)
>>> distances_mi = cityblock_distance([DC, DC], [NYC, Boston])
>>> np.round(distances_mi, 3).tolist()
[301.519, 672.089]

我们还可以更改计算距离时使用的单位。

>>> cityblock_distance_kilometers = CityblockDistance(unit='kilometers')
>>> distances_km = cityblock_distance_kilometers([DC, DC], [NYC, Boston])
>>> np.round(distances_km, 3).tolist()
[485.248, 1081.622]

__init__(unit='miles')

方法

__init__([unit])
flatten_nested_input_types(input_types)	将嵌套的列 schema 输入展平为单个列表。
generate_name(base_feature_names)
generate_names(base_feature_names)
get_args_string()
get_arguments()
get_description(input_column_descriptions[, ...])
get_filepath(filename)
get_function()

属性

base_of
base_of_exclude
commutative
default_value	如果未找到数据，此特征返回的默认值。
description_template
input_types	输入的 woodwork.ColumnSchema 类型
max_stack_depth
name	基本原语的名称
number_output_features	与此特征关联的特征矩阵中的列数
return_type	返回的 ColumnSchema 类型
stack_on
stack_on_exclude
stack_on_self
uses_calc_time
uses_full_dataframe