“机器学习的圣杯之一，就是让特征工程的过程越来越自动化。” ― 佩德罗·多明戈斯，《关于机器学习的一些有用知识》

---

Featuretools 是一个用于自动化特征工程的 Python 库。更多信息请参阅 文档。

安装

使用 pip 安装：

python -m pip install featuretools

或者从 Conda-forge 频道通过 [conda] 安装：

conda install -c conda-forge featuretools

插件

您可以单独安装插件，也可以一次性全部安装，方法是运行：

python -m pip install "featuretools[complete]"

高级原语 - 使用 premium-primitives 仓库中的高级原语：

python -m pip install "featuretools[premium]"

NLP 原语 - 使用 nlp-primitives 仓库中的自然语言处理原语：

python -m pip install "featuretools[nlp]"

Dask 支持 - 使用 Dask 在 DFS 中启用多线程（njobs > 1）：

python -m pip install "featuretools[dask]"

示例

以下是使用深度特征合成（DFS）进行自动化特征工程的示例。在本例中，我们将 DFS 应用于包含带时间戳的客户交易记录的多表数据集。

>> import featuretools as ft
>> es = ft.demo.load_mock_customer(return_entityset=True)
>> es.plot()

Featuretools 可以自动为任意“目标数据框”创建单个特征表。

>> feature_matrix, features_defs = ft.dfs(entityset=es, target_dataframe_name="customers")
>> feature_matrix.head(5)

            zip_code  COUNT(transactions)  COUNT(sessions)  SUM(transactions.amount) MODE(sessions.device)  MIN(transactions.amount)  MAX(transactions.amount)  YEAR(join_date)  SKEW(transactions.amount)  DAY(join_date)                   ...                     SUM(sessions.MIN(transactions.amount))  MAX(sessions.SKEW(transactions.amount))  MAX(sessions.MIN(transactions.amount))  SUM(sessions.MEAN(transactions.amount))  STD(sessions.SUM(transactions.amount))  STD(sessions.MEAN(transactions.amount))  SKEW(sessions.MEAN(transactions.amount))  STD(sessions.MAX(transactions.amount))  NUM_UNIQUE(sessions.DAY(session_start))  MIN(sessions.SKEW(transactions.amount))
customer_id                                                                                                                                                                                                                                  ...
1              60091                  131               10                  10236.77               desktop                      5.60                    149.95             2008                   0.070041               1                   ...                                                     169.77                                 0.610052                                   41.95                               791.976505                              175.939423                                 9.299023                                 -0.377150                                5.857976                                        1                                -0.395358
2              02139                  122                8                   9118.81                mobile                      5.81                    149.15             2008                   0.028647              20                   ...                                                     114.85                                 0.492531                                   42.96                               596.243506                              230.333502                                10.925037                                  0.962350                                7.420480                                        1                                -0.470007
3              02139                   78                5                   5758.24               desktop                      6.78                    147.73             2008                   0.070814              10                   ...                                                      64.98                                 0.645728                                   21.77                               369.770121                              471.048551                                 9.819148                                 -0.244976                               12.537259                                        1                                -0.630425
4              60091                  111                8                   8205.28               desktop                      5.73                    149.56             2008                   0.087986              30                   ...                                                      83.53                                 0.516262                                   17.27                               584.673126                              322.883448                                13.065436                                 -0.548969                               12.738488                                        1                                -0.49716ig
5              02139                   58                4                   4571.37                tablet                      5.91                    148.17             2008                   0.085883              19                   ...                                                      73.09                                 0.830112                                   27.46                               313.448942                              198.522508                                 8.950528                                  0.098885                                5.599228                                        1                                -0.396571

[5 rows x 69 columns]

现在我们已经为每个客户生成了一个可用于机器学习的特征向量。更多示例请参阅 深度特征合成文档。

Featuretools 包含许多不同类型的内置基元来创建特征。如果所需的基元未包含在内，Featuretools 还允许您 定义自己的自定义基元。

演示

预测下一次购买

仓库 | 笔记本

在本次演示中，我们使用来自 Instacart 的 300 万条在线杂货订单多表数据集来预测客户下次将购买什么。我们展示了如何通过自动化特征工程生成特征，并利用 Featuretools 构建一个准确的机器学习流水线，该流水线可重复用于多个预测问题。对于高级用户，我们还演示了如何使用 Dask 将该流水线扩展到大型数据集。

有关如何使用 Featuretools 的更多示例，请查看我们的 演示页面。

测试与开发

Featuretools 社区欢迎 Pull Request。测试和开发说明可在 此处找到。

支持

Featuretools 社区乐于为 Featuretools 的用户提供支持。根据问题类型，项目支持可通过以下四种方式获取：

1. 如有使用方面的问题，请在 Stack Overflow 上使用 featuretools 标签提问。
2. 如遇到 bug、问题或功能请求，请在 Github 上提交 issue。
3. 如需讨论核心库的开发相关话题，请加入 Slack 频道。
4. 对于其他任何问题，可发送邮件至 open_source_support@alteryx.com 联系核心开发者。

引用 Featuretools

如果您使用了 Featuretools，请考虑引用以下论文：

James Max Kanter, Kalyan Veeramachaneni. 深度特征合成：迈向数据科学工作的自动化。 IEEE DSAA 2015。

BibTeX 条目如下：

@inproceedings{kanter2015deep,
  author    = {James Max Kanter and Kalyan Veeramachaneni},
  title     = {Deep feature synthesis: Towards automating data science endeavors},
  booktitle = {2015 {IEEE} International Conference on Data Science and Advanced Analytics, DSAA 2015, Paris, France, October 19-21, 2015},
  pages     = {1--10},
  year      = {2015},
  organization={IEEE}
}

由 Alteryx 构建

Featuretools 是由 Alteryx 维护的开源项目。如需了解我们正在开展的其他开源项目，请访问 Alteryx Open Source。如果构建具有影响力的数据科学流水线对您或您的企业至关重要，请随时与我们联系。

Featuretools 快速上手指南

Featuretools 是一个用于自动化特征工程的 Python 库。它通过深度特征合成（Deep Feature Synthesis, DFS）技术，能够自动从多表数据关系中生成丰富的特征向量，极大地简化了机器学习前的数据准备工作。

环境准备

• 操作系统：Windows、macOS 或 Linux
• Python 版本：建议 Python 3.8 及以上版本
• 前置依赖：需预先安装 pip 或 conda 包管理工具
• 网络建议：国内用户建议使用清华源或阿里源加速安装

安装步骤

您可以选择使用 pip 或 conda 进行安装。

方式一：使用 pip 安装（推荐）

基础安装：

python -m pip install featuretools -i https://pypi.tuna.tsinghua.edu.cn/simple

完整功能安装（包含 NLP、Dask 等扩展支持）：

python -m pip install "featuretools[complete]" -i https://pypi.tuna.tsinghua.edu.cn/simple

方式二：使用 conda 安装

conda install -c conda-forge featuretools

基本使用

以下示例演示了如何加载模拟数据、构建实体集（EntitySet），并使用深度特征合成（DFS）自动生成特征矩阵。

1. 加载数据并查看关系

首先导入库并加载内置的模拟客户交易数据，该数据包含多个关联表。

import featuretools as ft

# 加载模拟数据并返回实体集
es = ft.demo.load_mock_customer(return_entityset=True)

# 可视化数据表之间的关系（可选）
es.plot()

2. 执行深度特征合成 (DFS)

指定目标表（例如 "customers"），Featuretools 会自动遍历关联表，计算聚合特征（如计数、总和、均值等）和转换特征。

# 执行 DFS，目标是为 "customers" 表生成特征
feature_matrix, features_defs = ft.dfs(entityset=es, target_dataframe_name="customers")

# 查看生成的特征矩阵前 5 行
print(feature_matrix.head(5))

输出示例： 生成的表格将包含大量自动衍生的特征列，例如 COUNT(transactions)（交易次数）、SUM(transactions.amount)（交易总额）、MODE(sessions.device)（常用设备）等。

            zip_code  COUNT(transactions)  COUNT(sessions)  SUM(transactions.amount) MODE(sessions.device)  ...
customer_id                                                                                                 ...
1              60091                  131               10                  10236.77               desktop  ...
2              02139                  122                8                   9118.81                mobile  ...
3              02139                   78                5                   5758.24               desktop  ...
4              60091                  111                8                   8205.28               desktop  ...
5              02139                   58                4                   4571.37                tablet  ...

[5 rows x 69 columns]

现在，feature_matrix 即可直接作为输入数据用于训练机器学习模型。