Создание объектов на основе времени отключения в FeatureTools
Я использую FeatureTools, и мне нужно создать функцию, которая использует время отсечки для его расчета.
Мой набор сущностей состоит из клиентской таблицы и таблицы подписки (в ней больше, но для вопроса нужны только они):
import featuretools as ft
import pandas as pd
client_table = pd.DataFrame({'client_id': (1,2,3),
'start_date': (dt.date(2015,1,1),dt.date(2017,10,15),dt.date(2011,1,10))})
subscription_table = pd.DataFrame({'client_id': (1,3,1,2),
'start_plan_date': (dt.date(2015,1,1),dt.date(2011,1,10), dt.date(2018,2,1),dt.date(2017,10,15)),
'end_plan_date':(dt.date(2018,2,1),dt.date(2019,1,10), dt.date(2021,2,1),dt.date(2019,10,15))})
клиентский стол
client_id start_date
0 1 2015-01-01
1 2 2017-10-15
2 3 2011-01-10
таблица выписок
subscription_id client_id start_plan_date end_plan_date
0 1 1 2015-01-01 2018-02-01
1 2 3 2011-01-10 2019-01-10
2 3 1 2018-02-01 2021-02-01
3 4 2 2017-10-15 2019-10-15
Я создал набор сущностей, используя client_id в качестве ключа и установив start_date как time_index
es = ft.EntitySet()
es = es.entity_from_dataframe(entity_id="client",
dataframe=client_table,
index="client_id",
time_index="start_date")
es = es.entity_from_dataframe(entity_id="subscription",
dataframe=subscription_table,
index="subscription_id",
time_index="start_plan_date",
variable_types={"client_id": ft.variable_types.Index,
"end_plan_date": ft.variable_types.Datetime})
relation= ft.Relationship(es["client"]["client_id"],es["subscription"]["client_id"])
es = es.add_relationship(relation)
print(es)
Из:
Entityset: None
Entities:
subscription [Rows: 4, Columns: 4]
client [Rows: 3, Columns: 2]
Relationships:
subscription.client_id -> client.client_id
Теперь мне нужно создать функцию, которая оценивает время между временем отключения (т. Е. 01/01/2018) и ближайшим значением end_plan_date для каждого клиента. В алгебраической форме расчет должен быть
time_remaining_in_plan = max(subscription.end_plan_date - cutoff_time)
Также мне нужно рассчитать количество времени с момента запуска клиента:
time_since_start = cutoff_time - client.start_date
В моем примере ожидаемый результат для этих функций должен выглядеть следующим образом (я предполагаю разницу во времени в днях, но это могут быть и месяцы, также я использую временной интервал для времени отключения):
client_id cutoff_time time_remaining_in_plan time_since_start
0 3 2018-10-31 71 2851
1 3 2018-11-30 41 2881
2 1 2018-10-31 824 1399
3 1 2018-11-30 794 1429
4 2 2018-10-31 349 381
5 2 2018-11-30 319 411
Есть ли способ использовать featuretools для создания пользовательских примитивов (агрегации или преобразования) или начальных функций, которые могут генерировать этот результат?
Спасибо!!
1 ответ
Это можно сделать с помощью пользовательских примитивов, которые используют use_calc_time параметр. Этот параметр настроит примитив так, что время отсечения будет передано ему во время вычисления.
В вашем случае нам нужно определить два примитива
from featuretools.primitives import make_trans_primitive
from featuretools.variable_types import Datetime, Numeric
def time_until(array, time):
diff = pd.DatetimeIndex(array) - time
return diff.days
TimeUntil = make_trans_primitive(function=time_until,
input_types=[Datetime],
return_type=Numeric,
uses_calc_time=True,
description="Calculates time until the cutoff time in days",
name="time_until")
def time_since(array, time):
diff = time - pd.DatetimeIndex(array)
return diff.days
TimeSince = make_trans_primitive(function=time_since,
input_types=[Datetime],
return_type=Numeric,
uses_calc_time=True,
description="Calculates time since the cutoff time in days",
name="time_since")
Тогда мы можем использовать примитивы в вызове ft.dfs
cutoff_times = pd.DataFrame({
"client_id": [1, 1, 2, 2, 3, 3],
"cutoff_time": pd.to_datetime([dt.date(2018,10,31), dt.date(2018,11,30)]*3)
})
fm, fl = ft.dfs(entityset=es,
target_entity="client",
cutoff_time=cutoff_times,
agg_primitives=["max"],
trans_primitives=[TimeUntil, TimeSince],
cutoff_time_in_index=True)
# these columns correspond to time_remaining_in_plan and time_since_start
fm = fm[["MAX(subscription.TIME_UNTIL(end_plan_date))", "TIME_SINCE(start_date)"]]
это возвращается
MAX(subscription.TIME_UNTIL(end_plan_date)) TIME_SINCE(start_date)
client_id time
1 2018-10-31 -272 1399
2 2018-10-31 349 381
3 2018-10-31 71 2851
1 2018-11-30 -302 1429
2 2018-11-30 319 411
3 2018-11-30 41 2881
Это соответствует результату, который вы ищете в своем ответе, за исключением time_remaining_in_plan для идентификатора клиента 1. Я дважды проверил числа, которые подошли к Feauturetools, и я считаю, что они подходят для этого набора данных.