featuretools.primitives.RollingOutlierCount#

class featuretools.primitives.RollingOutlierCount(window_length=3, gap=1, min_periods=0)[source]#

计算在给定窗口期内的异常值数量。

描述

给定一个数字列表和对应的日期时间列表，返回数字序列中异常值的滚动计数。计数从当前行向前偏移 gap 行开始，并回溯指定的窗口期（由 window_length 和 gap 确定）。异常值使用 IQR 方法判定，该方法基于整个序列计算。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，它对应于行数。对于采样频率均匀的数据（例如每天采样一次），window_length 为 7 时将对应于一个时间周期，例如 7 天。如果提供字符串，它必须是 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) – 指定从每个实例回溯的间隔，然后才开始可用数据的窗口。如果提供整数，它对应于行数。如果提供字符串，它必须是 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起始之间的持续时间长度。默认为 1，表示从窗口中排除目标实例。

  • min_periods (int, optional) – 在窗口上执行计算所需的最小观测数。当 window_length 是整数时，min_periods 不能大于 window_length。当 window_length 是偏移别名字符串时，没有此限制，但应注意不要选择一个 min_periods，使其总是大于窗口中的观测数。默认为 0。

注意

只有固定频率的偏移别名才能用于定义 gap 和 window_length。这意味着不能使用诸如 M 或 W 之类的别名，因为它们可能指示不同的天数。（'M' 是因为不同月份的天数不同；'W' 是因为周会指示一周中的某一天，例如 W-Wed，所以 depending on the锚定日期，它将指示不同的天数。）

注意

当使用偏移别名定义 gap 时，也必须使用偏移别名定义 window_length。当使用偏移别名定义 window_length 时，不存在此限制。实际上，如果数据采样频率均匀，最好使用数字 gap，因为它更有效率。

示例

>>> import pandas as pd
>>> rolling_outlier_count = RollingOutlierCount(window_length=4)
>>> times = pd.date_range(start='2019-01-01', freq='1min', periods=6)
>>> rolling_outlier_count(times, [0, 0, 0, 0, 10, 0]).tolist()
[nan, 0.0, 0.0, 0.0, 0.0, 1.0]

我们还可以控制滚动计算之前的间隔。>>> import pandas as pd >>> rolling_outlier_count = RollingOutlierCount(window_length=4, gap=0) >>> times = pd.date_range(start=’2019-01-01’, freq=’1min’, periods=6) >>> rolling_outlier_count(times, [0, 0, 0, 0, 10, 0]).tolist() [0.0, 0.0, 0.0, 0.0, 1.0, 1.0]

我们还可以控制滚动计算所需的最小周期数。>>> import pandas as pd >>> rolling_outlier_count = RollingOutlierCount(window_length=4, min_periods=3) >>> times = pd.date_range(start=’2019-01-01’, freq=’1min’, periods=6) >>> rolling_outlier_count(times, [0, 0, 0, 0, 10, 0]).tolist() [nan, nan, nan, 0.0, 0.0, 1.0]

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_outlier_count = RollingOutlierCount(window_length=’4min’, gap=’1min’) >>> times = pd.date_range(start=’2019-01-01’, freq=’1min’, periods=6) >>> rolling_outlier_count(times, [0, 0, 0, 0, 10, 0]).tolist() [nan, 0.0, 0.0, 0.0, 0.0, 1.0]

__init__(window_length=3, gap=1, min_periods=0)[source]#

方法

__init__([window_length, gap, min_periods])

flatten_nested_input_types(input_types)

将嵌套的列 schema 输入展平为一个列表。

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()

get_outliers_count(numeric_series)

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