featuretools.primitives.ExpandingMax

class featuretools.primitives.ExpandingMax(gap=1, min_periods=1)

计算给定窗口内事件的扩展最大值。

描述

给定一个日期时间列表，返回从当前行偏移 gap 行的扩展最大值。扩展原语计算给定时间的原语值，其中包含截至到对应时间点的所有可用数据。

输入日期时间应该是单调的。

参数:

• gap (int, optional) – 指定从每个实例向后偏移，直到可用数据开始。对应于行数。默认为 1。

• min_periods (int, optional) – 在窗口上执行计算所需的最小观测次数。默认为 1。

示例

>>> import pandas as pd
>>> expanding_min = ExpandingMax()
>>> times = pd.date_range(start='2019-01-01', freq='1min', periods=5)
>>> expanding_min(times, [2, 4, 6, 7, 2]).tolist()
[nan, 2.0, 4.0, 6.0, 7.0]

我们还可以控制扩展计算之前的偏移量。

>>> import pandas as pd
>>> expanding_min = ExpandingMax(gap=0)
>>> times = pd.date_range(start='2019-01-01', freq='1min', periods=5)
>>> expanding_min(times, [2, 4, 6, 7, 2]).tolist()
[2.0, 4.0, 6.0, 7.0, 7.0]

我们还可以控制扩展计算所需的最小周期数。

>>> import pandas as pd
>>> expanding_min = ExpandingMax(min_periods=3)
>>> times = pd.date_range(start='2019-01-01', freq='1min', periods=5)
>>> expanding_min(times, [2, 4, 6, 7, 2]).tolist()
[nan, nan, nan, 6.0, 7.0]

__init__(gap=1, min_periods=1)

方法

__init__([gap, min_periods])
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	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