featuretools.primitives.RollingMin#

class featuretools.primitives.RollingMin(window_length=3, gap=1, min_periods=1)[源文件]#

确定给定窗口内条目的最小值。

描述

给定一个数字列表和相应的日期时间列表，返回数字值的滚动最小值，从当前行向后偏移 gap 行开始，并查看指定窗口（由 window_length 和 gap 定义）内的数据。输入的日期时间应该是单调的。

参数:

  • window_length (int, string, optional) – 指定每个窗口包含的数据量。如果提供整数，则对应于行数。对于采样频率均匀的数据（例如每天一次），window_length 将对应一个时间段，在本例中，window_length 为 7 时，对应 7 天。如果提供字符串，则必须是 pandas 的偏移别名字符串之一（'1D'，'1H'等），它将指示每个窗口应跨越的时间长度。可用的偏移别名列表可在 https://pandas.ac.cn/pandas-docs/stable/user_guide/timeseries.html#offset-aliases 找到。默认为 3。

  • gap (int, string, optional) – 指定从每个实例向后偏移一段距离后开始可用数据的窗口。如果提供整数，则对应于行数。如果提供字符串，则必须是 pandas 的偏移别名字符串之一（'1D'，'1H'等），它将指示目标实例与其窗口开始之间的时间长度。默认为 1。

  • min_periods (int, optional) – 在窗口上执行计算所需的最小观测数量。当 window_length 是整数时，最大只能等于 window_length。当 window_length 是偏移别名字符串时，此限制不存在，但应注意不要选择一个总是大于窗口中观测数量的 min_periods。默认为 1。

注意

定义 gap 和 window_length 时，只能使用具有固定频率的偏移别名。这意味着不能使用诸如 M 或 W 之类的别名，因为它们可以指示不同的天数。（'M'，因为不同月份有不同的天数；'W'，因为周会指示一周中的某一天，例如 W-Wed，所以根据锚定日期指示的天数不同。）

注意

当使用偏移别名定义 gap 时，必须也使用偏移别名定义 window_length。当使用偏移别名定义 window_length 时，此限制不存在。实际上，如果数据具有均匀的采样频率，则最好使用数字 gap，因为它更高效。

示例

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

我们也可以控制滚动计算之前的间隔。

>>> import pandas as pd
>>> rolling_min = RollingMin(window_length=3, gap=0)
>>> times = pd.date_range(start='2019-01-01', freq='1min', periods=5)
>>> rolling_min(times, [4, 3, 2, 1, 0]).tolist()
[4.0, 3.0, 2.0, 1.0, 0.0]

我们也可以控制滚动计算所需的最小周期数。

>>> import pandas as pd
>>> rolling_min = RollingMin(window_length=3, min_periods=3, gap=0)
>>> times = pd.date_range(start='2019-01-01', freq='1min', periods=5)
>>> rolling_min(times, [4, 3, 2, 1, 0]).tolist()
[nan, nan, 2.0, 1.0, 0.0]

我们还可以使用偏移别名字符串设置 window_length 和 gap。

>>> import pandas as pd
>>> rolling_min = RollingMin(window_length='3min', gap='1min')
>>> times = pd.date_range(start='2019-01-01', freq='1min', periods=5)
>>> rolling_min(times, [4, 3, 2, 1, 0]).tolist()
[nan, 4.0, 3.0, 2.0, 1.0]
__init__(window_length=3, gap=1, min_periods=1)[源文件]#

方法

__init__([window_length, gap, min_periods])

flatten_nested_input_types(input_types)

将嵌套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

如果没有找到数据，此特征返回的默认值。

description_template

input_types

woodwork.ColumnSchema 输入类型

max_stack_depth

name

原语的名称

number_output_features

与此特征关联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