Извлечение временных признаков

Исходный столбец datetime64 непрозрачен для большинства алгоритмов машинного обучения: они не понимают, что 2024-12-25 — праздничный день или что Friday приводит к росту розничных продаж. Создание временных признаков извлекает из столбцов с датой и временем значимые компоненты — год, месяц, день, день недели и час — в отдельные числовые или категориальные столбцы, с которыми модели и функции анализа могут работать напрямую.

Если столбец DataFrame имеет тип datetime64, аксессор .dt предоставляет векторный доступ ко всем свойствам и методам даты и времени. Вместо применения функции Python к каждой строке по отдельности Вы пишете df['date'].dt.year, и Pandas вычисляет год для каждой строки за одну быструю операцию. Тот же аксессор работает со столбцами типа timedelta64, но предоставляет другие свойства.

Наиболее часто используемые свойства .dt для компонентов даты: .dt.year, .dt.month, .dt.day, .dt.day_of_week (0 — понедельник, 6 — воскресенье), .dt.day_of_year, .dt.week или .dt.isocalendar().week, .dt.quarter и .dt.days_in_month. Каждое из них возвращает Series целых чисел, которые можно использовать непосредственно как признаки.

Для столбцов с датой и временем (а не только с датой) используйте .dt.hour, .dt.minute, .dt.second и .dt.microsecond. Они особенно важны для внутридневного анализа, моделирования поведения пользователей (например, закономерностей утром и вечером) и любых систем, где время суток влияет на целевую переменную.

Для удобочитаемых подписей используйте .dt.day_name() и .dt.month_name(), чтобы получить строковые названия, например 'Monday' и 'January'. Они полезны для отображения в отчётах и создания категориальных признаков, отражающих влияние дня недели или месяца. Также можно передать locale, чтобы получить названия на других языках.

Очень распространённый признак — логический флаг, показывающий, приходится ли дата на выходной день. Выражение day_of_week >= 5 даёт True для субботы (5) и воскресенья (6). Для более сложных признаков производственного календаря numpy.busdaycalendar учитывает праздники, но в большинстве случаев простого разделения на будни и выходные достаточно, чтобы учесть основную часть эффекта.

Аксессор .dt также предоставляет логические свойства, определяющие, находится ли дата в начале или конце периода: .dt.is_month_start, .dt.is_month_end, .dt.is_quarter_start, .dt.is_quarter_end, .dt.is_year_start и .dt.is_year_end. Они полезны для выявления отчётных периодов, циклов выставления счетов и сезонных эффектов на границах периодов.

Месяц и час имеют циклическую природу: декабрь (12) близок к январю (1), а 23:00 — к 00:00. Представление их в виде линейных целых чисел (1–12 или 0–23) вводит большинство моделей в заблуждение. Кодируйте циклические признаки с помощью синусоидального и косинусоидального преобразований: sin(2π × value / max_value) и cos(2π × value / max_value). Так круговая структура представляется в двух числовых столбцах, которые модели могут корректно использовать.

Вычитание двух столбцов с датой и временем создаёт Series типа timedelta64. Аксессор .dt у Series с длительностями предоставляет .dt.days, .dt.seconds и .dt.total_seconds(). Это позволяет вычислять длительность событий, время с момента последней покупки и возраст в днях — всё в виде числовых столбцов, готовых для дальнейшего анализа.

Если дата и время находятся в индексе DataFrame (DatetimeIndex), а не в столбце, обращайтесь к тем же свойствам непосредственно через индекс, без .dt: df.index.year, df.index.month, df.index.day_of_week и т. д. Их можно сразу добавить в виде новых столбцов: df['month'] = df.index.month.

Ниже приведена полная функция создания временных признаков: она принимает DataFrame со столбцом даты и времени и возвращает его, дополнив наиболее полезными временными признаками. Этот шаблон можно применять в начале любого конвейера машинного обучения или анализа, работающего с данными событий, содержащими временные метки.

В этом уроке Вы узнали, что аксессор .dt предоставляет векторный доступ ко всем свойствам даты и времени; часто извлекаемые признаки включают год, месяц, день, day_of_week, час и квартал; циклическое кодирование с помощью синуса и косинуса учитывает циклическую природу часов и месяцев; а арифметика с длительностями позволяет вычислять продолжительность в днях или секундах. Далее мы рассмотрим архитектуру рисунков и областей построения Matplotlib для создания графиков, пригодных для публикации.