featuretools.primitives.CountBelowMean#

类 featuretools.primitives.CountBelowMean(skipna=True)[源代码]#

确定低于平均值的值的数量。

参数:

skipna (bool) – 确定是否使用 NA/null 值。默认为 True，表示跳过 NA/null 值。

示例

>>> count_below_mean = CountBelowMean()
>>> count_below_mean([1, 2, 3, 4, 10])
3

可以控制如何处理 NaNs。

>>> count_below_mean_skipna = CountBelowMean(skipna=False)
>>> count_below_mean_skipna([1, 2, 3, 4, 5, None])
nan
__init__(skipna=True)[源代码]#

方法

__init__([skipna])

flatten_nested_input_types(input_types)

将嵌套的列模式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

原语的名称

number_output_features

与此特征相关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