数学特征#
MathFeatures() 对特征组应用基本函数，返回一个或多个额外的变量作为结果。它使用 pandas.agg() 来创建特征，因此本质上，你可以传递任何被该方法接受的函数。一个例外是，MathFeatures() 不接受字典作为参数 func。
函数可以作为字符串传递，numpy 方法，即 np.mean，或者您创建的任何函数，只要它从向量返回一个标量。
有关支持的聚合函数，请参阅 pandas 文档。
作为一个例子，如果我们有变量：
number_payments_first_quarter
number_payments_second_quarter
number_payments_third_quarter
number_payments_fourth_quarter
我们可以使用 MathFeatures() 来计算总支付次数和平均支付次数，如下所示：
transformer = MathFeatures(
variables=[
'number_payments_first_quarter',
'number_payments_second_quarter',
'number_payments_third_quarter',
'number_payments_fourth_quarter'
],
func=['sum','mean'],
new_variables_name=[
'total_number_payments',
'mean_number_payments'
]
)
Xt = transformer.fit_transform(X)
转换后的数据集 Xt 将包含额外的特征 total_number_payments 和 mean_number_payments，以及原始的变量集。
变量 total_number_payments 是通过将 variables 中指示的特征相加得到的，而变量 mean_number_payments 是这4个特征的平均值。
示例#
让我们深入探讨如何更详细地使用 MathFeatures()。首先，让我们创建一个玩具数据集：
import numpy as np
import pandas as pd
from feature_engine.creation import MathFeatures
df = pd.DataFrame.from_dict(
{
"Name": ["tom", "nick", "krish", "jack"],
"City": ["London", "Manchester", "Liverpool", "Bristol"],
"Age": [20, 21, 19, 18],
"Marks": [0.9, 0.8, 0.7, 0.6],
"dob": pd.date_range("2020-02-24", periods=4, freq="T"),
})
print(df)
数据集看起来是这样的：
Name City Age Marks dob
0 tom London 20 0.9 2020-02-24 00:00:00
1 nick Manchester 21 0.8 2020-02-24 00:01:00
2 krish Liverpool 19 0.7 2020-02-24 00:02:00
3 jack Bristol 18 0.6 2020-02-24 00:03:00
我们现在可以使用字符串来指示函数，对数值变量 Age 和 Marks 应用多个函数：
transformer = MathFeatures(
variables=["Age", "Marks"],
func = ["sum", "prod", "min", "max", "std"],
)
df_t = transformer.fit_transform(df)
print(df_t)
我们得到了以下数据集，其中新变量以用于获取它们的函数命名，再加上用于计算的变量组：
Name City Age Marks dob sum_Age_Marks \
0 tom London 20 0.9 2020-02-24 00:00:00 20.9
1 nick Manchester 21 0.8 2020-02-24 00:01:00 21.8
2 krish Liverpool 19 0.7 2020-02-24 00:02:00 19.7
3 jack Bristol 18 0.6 2020-02-24 00:03:00 18.6
prod_Age_Marks min_Age_Marks max_Age_Marks std_Age_Marks
0 18.0 0.9 20.0 13.505740
1 16.8 0.8 21.0 14.283557
2 13.3 0.7 19.0 12.940054
3 10.8 0.6 18.0 12.303658
为了更灵活，我们可以将现有函数传递给 func 参数，如下所示：
transformer = MathFeatures(
variables=["Age", "Marks"],
func = [np.sum, np.prod, np.min, np.max, np.std],
)
df_t = transformer.fit_transform(df)
print(df_t)
我们得到以下数据框：
Name City Age Marks dob sum_Age_Marks \
0 tom London 20 0.9 2020-02-24 00:00:00 20.9
1 nick Manchester 21 0.8 2020-02-24 00:01:00 21.8
2 krish Liverpool 19 0.7 2020-02-24 00:02:00 19.7
3 jack Bristol 18 0.6 2020-02-24 00:03:00 18.6
prod_Age_Marks amin_Age_Marks amax_Age_Marks std_Age_Marks
0 18.0 0.9 20.0 13.505740
1 16.8 0.8 21.0 14.283557
2 13.3 0.7 19.0 12.940054
3 10.8 0.6 18.0 12.303658
我们可以选择将参数 drop_original 设置为 True，以在执行计算后删除变量。
我们可以如下获取转换数据中所有特征的名称：
transformer.get_feature_names_out(input_features=None)
这将返回转换数据中所有变量的名称：
['Name',
'City',
'Age',
'Marks',
'dob',
'sum_Age_Marks',
'prod_Age_Marks',
'amin_Age_Marks',
'amax_Age_Marks',
'std_Age_Marks']
新变量名#
尽管transformer允许自动组合变量，但其使用旨在结合领域知识来组合变量。在这种情况下，我们通常希望为变量赋予有意义的名称。我们可以通过参数 new_variables_names 来实现这一点。
new_variables_names 接受一个字符串列表，其中包含新变量的名称。在这个参数中，您需要输入为新创建的特征命名的列表。您必须为 func 参数中指示的每个函数输入一个名称。也就是说，如果您想执行特征的均值和总和，您应该输入 2 个新变量名称。如果您只计算特征的均值，请输入 1 个变量名称。
变量的名称应与 func 中函数的顺序一致。也就是说，如果你设置 func = ['mean', 'prod']，第一个新变量名称将被分配给变量的均值，第二个变量名称将被分配给变量的乘积。
让我们看一个例子。在下面的代码片段中，我们将两个变量相加，并找出它们的最大值和最小值，这产生了3个新的特征。我们在一个列表中添加了新特征的名称：
transformer = MathFeatures(
variables=["Age", "Marks"],
func = ["sum", "min", "max"],
new_variables_names = ["sum_vars", "min_vars", "max_vars"]
)
df_t = transformer.fit_transform(df)
print(df_t)
生成的数据框包含我们在变量名下提供的新特征：
Name City Age Marks dob sum_vars min_vars \
0 tom London 20 0.9 2020-02-24 00:00:00 20.9 0.9
1 nick Manchester 21 0.8 2020-02-24 00:01:00 21.8 0.8
2 krish Liverpool 19 0.7 2020-02-24 00:02:00 19.7 0.7
3 jack Bristol 18 0.6 2020-02-24 00:03:00 18.6 0.6
max_vars
0 20.0
1 21.0
2 19.0
3 18.0
