featuretools.primitives.ExpandingMean

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

计算给定窗口内事件的扩展均值。

描述

给定一个日期时间列表，返回从当前行向前偏移 gap 行的扩展均值。扩展原语使用截至给定时间点的所有可用数据来计算该时间的原语值。

输入日期时间应为单调的。

参数：

• gap (int, 可选) – 指定从每个实例向前偏移多少行才开始使用数据。对应行数。默认为 1。

• min_periods (int, 可选) – 执行窗口计算所需的最小观测数。默认为 1。

示例

>>> import pandas as pd
>>> expanding_mean = ExpandingMean()
>>> times = pd.date_range(start='2019-01-01', freq='1min', periods=5)
>>> expanding_mean(times, [5, 4, 3, 2, 1]).tolist()
[nan, 5.0, 4.5, 4.0, 3.5]

我们还可以控制扩展计算之前的偏移量。

>>> import pandas as pd
>>> expanding_mean = ExpandingMean(gap=0)
>>> times = pd.date_range(start='2019-01-01', freq='1min', periods=5)
>>> expanding_mean(times, [5, 4, 3, 2, 1]).tolist()
[5.0, 4.5, 4.0, 3.5, 3.0]

我们还可以控制扩展计算所需的最小周期数。

>>> import pandas as pd
>>> expanding_mean = ExpandingMean(min_periods=3)
>>> times = pd.date_range(start='2019-01-01', freq='1min', periods=5)
>>> expanding_mean(times, [5, 4, 3, 2, 1]).tolist()
[nan, nan, nan, 4.0, 3.5]

__init__(gap=1, min_periods=1)

方法

__init__([gap, min_periods])
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	woodwork.ColumnSchema 输入类型
max_stack_depth
name	原语名称
number_output_features	与此特征相关的特征矩阵中的列数
return_type	ColumnSchema 返回类型
stack_on
stack_on_exclude
stack_on_self
uses_calc_time
uses_full_dataframe