Можно автоматически пересекать каждую пару числовых функций в Featuretools, используя примитив Multiply
. В качестве примера кода предположим, что у нас есть вымышленный фрейм данных
index price shares_bought date
index
1 1 1.00 3 2017-12-29
2 2 0.75 4 2017-12-30
3 3 0.60 5 2017-12-31
4 4 0.50 18 2018-01-01
5 5 1.00 1 2018-01-02
и мы хотим умножить price
на shares_bought
. Мы бы запустили
es = ft.EntitySet('Transactions')
es.entity_from_dataframe(dataframe=df, entity_id='log', index='index', time_index='date')
from featuretools.primitives import Multiply
fm, features = ft.dfs(entityset=es,
target_entity='log',
trans_primitives=[Multiply])
, чтобы превратить фрейм данных в набор сущностей, а затем запустить DFS, чтобы применить Multiply
во всех возможных местах. В этом случае, поскольку имеется только два числовых объекта, мы получим матрицу объектов fm
, которая выглядит как
price shares_bought price * shares_bought
index
1 1.00 3 3.0
2 0.75 4 3.0
3 0.60 5 3.0
4 0.50 18 9.0
5 1.00 1 1.0
Если мы хотим применить примитив к определенной паре функций вручную, это можно сделать с помощью начальных функций. Тогда наш код будет
n12_cross = Multiply(es['log']['price'], es['log']['shares_bought'])
fm, features = ft.dfs(entityset=es,
target_entity='log',
seed_features=[n12_cross])
, чтобы получить ту же матрицу функций, что и выше.
EDIT:
Чтобы сделать приведенный выше кадр данных, я использовал
import pandas as pd
import featuretools as ft
df = pd.DataFrame({'index': [1, 2, 3, 4, 5],
'shares_bought': [3, 4, 5, 18, 1],
'price': [1.00, 0.75, 0.60, 0.50, 1.00]})
df['date'] = pd.date_range('12/29/2017', periods=5, freq='D')