df.groupby.agg('A')('min') 如何转换为 featuretools？

Question

假设我有这个简单的代码片段。我将对数据帧进行分组、聚合和合并：

---

使用熊猫：

---

数据

df = pd.DataFrame({'A': [1, 1, 2, 2],
'B': [1, 2, 3, 4],
'C': [0.3, 0.2, 1.2, -0.5]})

DF：

A   B   C
0   1   1   0.3
1   1   2   0.2
2   2   3   1.2
3   2   4   -0.5

分组和聚合

df_result = df.groupby('A').agg('min')
df_result.columns =  ['groupby_A(min_'+x+')' for x in df_result.columns]

df_result：

groupby_A(min_B)    groupby_A(min_C)
A       
1   1                   0.2
2   3                   -0.5

合并

df_new = pd.merge(df,df_result,on='A')
df_new

df_new：

A   B   C       groupby_A(min_B)    groupby_A(min_C)
0   1   1   0.3     1                   0.2
1   1   2   0.2     1                   0.2
2   2   3   1.2     3                  -0.5
3   2   4   -0.5    3                  -0.5

---

尝试使用功能工具：

---

# ---- Import the Module ----
import featuretools as ft
# ---- Make the Entity Set (the set of all tables) ----
es = ft.EntitySet()
# ---- Make the Entity (the table) ----
es.entity_from_dataframe(entity_id = 'df', 
dataframe = df)

# ---- Do the Deep Feature Synthesis (group, aggregate, and merge the features) ----
feature_matrix, feature_names = ft.dfs(entityset = es, 
target_entity = 'df',
trans_primitives = ['cum_min'])
feature_matrix

feature_matrix：

A       B       C       CUM_MIN(A)  CUM_MIN(B)  CUM_MIN(C)
index                       
0       1       1       0.3     1           1           0.3
1       1       2       0.2     1           1           0.2
2       2       3       1.2     1           1           0.2
3       2       4       -0.5    1           1           -0.5

---

Pandas 的操作如何转换为功能工具(最好不添加另一个表)？

我对功能工具的尝试没有给出正确的输出，但我相信我使用的过程在某种程度上是正确的。

Answer 1

这是在功能工具中执行此操作的推荐方法。您确实需要创建另一个表以使其完全按您的需要工作。

import featuretools as ft
import pandas as pd
df = pd.DataFrame({'A': [1, 1, 2, 2],
'B': [1, 2, 3, 4],
'C': [0.3, 0.2, 1.2, -0.5]})
es = ft.EntitySet()
es.entity_from_dataframe(entity_id="example",
index="id",
make_index=True,
dataframe=df)
es.normalize_entity(new_entity_id="a_entity",
base_entity_id="example",
index="A")
fm, fl = ft.dfs(target_entity="example",
entityset=es,
agg_primitives=["min"])
fm

这返回

A  B    C  a_entity.MIN(example.B)  a_entity.MIN(example.C)
id                                                             
0   1  1  0.3                        1                      0.2
1   1  2  0.2                        1                      0.2
2   2  3  1.2                        3                     -0.5
3   2  4 -0.5                        3                     -0.5

如果您不想创建额外的表，您可以尝试使用cum_min原语，该基元在按A分组后计算累积

df = pd.DataFrame({'A': [1, 1, 2, 2],
'B': [1, 2, 3, 4],
'C': [0.3, 0.2, 1.2, -0.5]})
es = ft.EntitySet()
es.entity_from_dataframe(entity_id="example",
index="id",
make_index=True,
variable_types={
"A": ft.variable_types.Id
},
dataframe=df,)
fm, fl = ft.dfs(target_entity="example",
entityset=es,
groupby_trans_primitives=["cum_min"])
fm

这返回

B    C  A  CUM_MIN(C) by A  CUM_MIN(B) by A
id                                             
0   1  0.3  1              0.3              1.0
1   2  0.2  1              0.2              1.0
2   3  1.2  2              1.2              3.0
3   4 -0.5  2             -0.5              3.0