Question

假设我有两个表，一个表包含有关具有字段customer_id的客户的元数据，以及一个事件表，该表是从字段customer_id，date的网站点击流事件中记录的。显然，第二个表可能具有多个非唯一事件（不幸的是，日期实际上只是一个日期，而不是时间戳）。

尝试创建https://docs.featuretools.com/loading_data/using_entitysets.html时失败，并显示：

Index is not unique on dataframe (Entity transactions)

我该如何使其独特或起作用？

Answer 1

如果您的表没有可用作唯一索引的列，则可以让Featuretools自动创建一个。调用EntitySet.entity_from_dataframe(...)时，只需为index参数提供数据框中当前不存在的列名，然后设置make_index=True。这将自动创建具有唯一值的列。

例如，在event_id索引下面的代码中会自动创建

import pandas as pd
import featuretools as ft

df = pd.DataFrame({"customer_id": [0, 1, 0, 1, 1],
                   "date": [pd.Timestamp("1/1/2018"), pd.Timestamp("1/1/2018"),
                            pd.Timestamp("1/1/2018"), pd.Timestamp("1/2/2018"),
                            pd.Timestamp("1/2/2018")],
                   "event_type": ["view", "purchase", "view", "cancel", "purchase"]})

es = ft.EntitySet(id="customer_events")                
es.entity_from_dataframe(entity_id="events",
                         dataframe=df,
                         index="event_id",
                         make_index=True,
                         time_index="date")

print(es["events"])

在事件实体中，您可以看到event_id现在是一个变量，即使它不在原始数据框中也是如此

Entity: events
  Variables:
    event_id (dtype: index)
    date (dtype: datetime_time_index)
    customer_id (dtype: numeric)
    event_type (dtype: categorical)
  Shape:
    (Rows: 5, Columns: 4)

具有非唯一联接键的Featuretools关系

1 个答案: