pandas 将年月日拆分成高维 onehot 特征

本文介绍如何从单变量时间序列的datetime信息中提取特征,包括日期的年、月、日、周几、是否周末及上旬中旬下旬等,并通过one-hot编码转换为机器学习模型可用的高维特征。

如果是单变量时间序列,已知的只有 datetime 信息,怎么从中提取特征呢?
在这里插入图片描述
可以将一个日期拆分出多维信息,比如:是否是周末?是上旬中旬还是下旬?是否是节假日?是春是夏是秋还是冬?

人类活动和这些因素有着很强的联系,但是如果只将时间编码成一个日期的字符串,机器学习算法是无法提取到有效信息的。

下面就来将上图中的 datetime 列拆分成高维特征

def half_month(day):
    return 1 if day < 15 else 2

temp.loc[:,'year'] = temp['datetime'].apply(lambda x:x.year)
temp.loc[:,'month'] = temp['datetime'].apply(lambda x:x.month)
temp.loc[:,'day'] = temp['datetime'].apply(lambda x: x.day)
temp.loc[:,'day_of_week'] = temp['datetime'].apply(lambda x: x.dayofweek)
temp.loc[:,'weekend'] = temp['datetime'].apply(lambda x:x.dayofweek>4)
temp.loc[:,'half_month'] = temp['datetime'].apply(lambda x: half_month(x.day))

temp.columns
'''
Index(['datetime', 'TEMP', 'year', 'month', 'day', 'day_of_week', 'weekend', 'half_month'],
      dtype='object')
'''
temp.head()

在这里插入图片描述
使用 pandas.get_dummies 函数把指定列编码成 onehot 形式

columns2onehot = ['year','month','day','day_of_week','half_month']
onehot = pd.get_dummies(temp, columns=columns2onehot)
onehot.columns
'''
Index(['datetime', 'TEMP', 'weekend', 'year_2010', 'year_2011', 'year_2012',
       'year_2013', 'year_2014', 'month_1', 'month_2', 'month_3', 'month_4',
       'month_5', 'month_6', 'month_7', 'month_8', 'month_9', 'month_10',
       'month_11', 'month_12', 'day_1', 'day_2', 'day_3', 'day_4', 'day_5',
       'day_6', 'day_7', 'day_8', 'day_9', 'day_10', 'day_11', 'day_12',
       'day_13', 'day_14', 'day_15', 'day_16', 'day_17', 'day_18', 'day_19',
       'day_20', 'day_21', 'day_22', 'day_23', 'day_24', 'day_25', 'day_26',
       'day_27', 'day_28', 'day_29', 'day_30', 'day_31', 'day_of_week_0',
       'day_of_week_1', 'day_of_week_2', 'day_of_week_3', 'day_of_week_4',
       'day_of_week_5', 'day_of_week_6', 'half_month_1', 'half_month_2'],
      dtype='object')
'''
onehot.head()
datetimeTEMPweekendhalf_monthyear_2010year_2011year_2012year_2013year_2014month_1day_29day_30day_31day_of_week_0day_of_week_1day_of_week_2day_of_week_3day_of_week_4day_of_week_5day_of_week_6
2010-01-01 00:00:00-11.0False11000010000000100
2010-01-01 01:00:00-12.0False11000010000000100
2010-01-01 02:00:00-11.0False11000010000000100
2010-01-01 03:00:00-14.0False11000010000000100
2010-01-01 04:00:00-12.0False11000010000000100

然后就可以将原来非独热编码的列删掉,就可以用机器学习模型训练了!

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

颹蕭蕭

白嫖?

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值