作业03 特征工程

作业03 特征工程
这次的特征工程有点难度。
首先是搭建环境。Gensim安装总是出错。


二个方法解决：
用清华镜像安装
下WHL包，安装

知识点：
分组统计特征agg的使用非常重要，在此进行代码示例，详细请参考： http://joyfulpandas.datawhale.club/Content/ch4.html
请注意{}和[]的使用
分组标准格式：
df.groupby(分组依据)[数据来源].使用操作

先分组，得到
gb = df.groupby([‘School’, ‘Grade’])

1，使用多个函数
gb.agg([‘具体方法（如内置函数）’])

如gb.agg([‘sum’])
,2，对特定的列使用特定的聚合函数
gb.agg({‘指定列’:‘具体方法’})

如gb.agg({‘Height’:[‘mean’,‘max’], ‘Weight’:‘count’})

3，使用自定义函数
gb.agg(函数名或匿名函数)

如gb.agg(lambda x: x.mean()-x.min())

4，聚合结果重命名
gb.agg([ (‘重命名的名字’,具体方法（如内置函数、自定义函数）) ])

如gb.agg([(‘range’, lambda x: x.max()-x.min()), (‘my_sum’, ‘sum’)])
另外需要注意，使用对一个或者多个列使用单个聚合的时候，重命名需要加方括号，否则就不知道是新的名字还是手误输错的内置函数字符串：
下述代码主要使用了
一种是df.groupby(‘id’).agg{‘列名’:‘方法’}，另一种是df.groupby(‘id’)[‘列名’].agg(字典)

下面是报错例：
xy_d_rate = temp1.groupby(‘ship’)[‘hc_xy_s’].agg(‘hc_xy_s_max’： ‘max’,
)
xy_d_rate = xy_d_rate.reset_index()
d_d_rate = temp1.groupby(‘ship’)[‘hc_d_s’].agg(‘hc_d_s_max’： ‘max’,
)

改为，顺利跑过
xy_d_rate = temp1.groupby(‘ship’)[‘hc_xy_s’].agg([(‘hc_xy_s_max’, ‘max’,
)])
xy_d_rate = xy_d_rate.reset_index()
d_d_rate = temp1.groupby(‘ship’)[‘hc_d_s’].agg([(‘hc_d_s_max’, ‘max’,
)])

标签：03,特征,max,作业,agg,rate,xy,gb,groupby
来源： https://blog.csdn.net/weixin_44458234/article/details/115842145