【AI实战】pandas 获取机器学习模型的时间特征

pandas 获取机器学习模型的时间特征

环境

• Ubuntu 18.04
• python 3.6.9
• pandas 1.1.5

获取时间特征

df = pd.read_csv(data_path, low_memory=False)

#时间特征
df['date'] = pd.to_datetime(df['date'])
#年
df['year'] = df['date'].map(lambda x: (x.year))
#月
df['month'] = df['date'].map(lambda x: (x.month))
#日
df['day'] = df['date'].map(lambda x: (x.day))
#小时
df['hour'] = df['date'].map(lambda x: (x.hour))
#分钟
df['minute'] = df['date'].map(lambda x: (x.minute))
#星期几
df['dayofweek'] = df['date'].map(lambda x: (x.dayofweek+1))

上述的时间特征为数值型

独热编码one-hot处理时间特征

自行百度搜索one-hot

• 问题
  one-hot 适用于的特征应该是分类特征，而且不同类别之间的距离是没有差别的，比如红黄蓝三种颜色，汉字等等用one-hot表示是很好的。但是对于时间序列，5点和6点跟18点之间的距离明显是不同的，所以用one-hot来度量的话，会损失非常多的信息。

将一个时间变量变成一个二维平面圆周上的点

如上所示，将一个时间变量变成一个二维平面圆周上的点。这样就能解决周期性因素。