featuretools.primitives.ExpandingMin

类 featuretools.primitives.ExpandingMin(gap=1, min_periods=1)

计算给定窗口内事件的扩展最小值。

描述

给定一个日期时间列表，返回从当前行向前间隔 gap 行开始的扩展最小值。扩展原语计算给定时间点的原语值，使用截至该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, 可选) – 指定从每个实例向后计算的间隔，在此间隔之后的数据才可用。对应于行数。默认为 1。

• min_periods (int, 可选) – 在窗口上执行计算所需的最少观测数。默认为 1。

示例

>>> import pandas as pd
>>> expanding_min = ExpandingMin()
>>> times = pd.date_range(start='2019-01-01', freq='1min', periods=5)
>>> expanding_min(times, [5, 4, 3, 2, 1]).tolist()
[nan, 5.0, 4.0, 3.0, 2.0]

我们还可以控制扩展计算之前的间隔。

>>> import pandas as pd
>>> expanding_min = ExpandingMin(gap=0)
>>> times = pd.date_range(start='2019-01-01', freq='1min', periods=5)
>>> expanding_min(times, [5, 4, 3, 2, 1]).tolist()
[5.0, 4.0, 3.0, 2.0, 1.0]

我们还可以控制扩展计算所需的最少周期数。

>>> import pandas as pd
>>> expanding_min = ExpandingMin(min_periods=3)
>>> times = pd.date_range(start='2019-01-01', freq='1min', periods=5)
>>> expanding_min(times, [5, 4, 3, 2, 1]).tolist()
[nan, nan, nan, 3.0, 2.0]

__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	如果找不到数据，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