关于数据挖掘中对于时间的信息挖掘

       之前参加了datafountain的比赛，虽然没有拿到什么好的名次，但是通过自己的学习和别人的讨论，对于数据挖掘比赛中的对于时间的处理稍微整理下，首先对于时间的格式，一般情况下是给出年月如时分秒，我们需要做的是对于时间进行处理，需要明白的是一般情况下对我们有用的就是月份，一个月中的天数，一天中的小时，因为分钟和秒容易造成过拟合，对这些信息进行提取出来，然后构造新的特征。

TIME
2018-03-22 16:31:44

上面是一般情况下给出的时间的格式。我们需要做的就是将上面时间中的月份，一个月中的天数和最后的时间提取出来，至于分钟的秒钟视情况而定，一般情况下是不需要的，因为这样会导致训练样本的过拟合，从而在测试样本中的效果不好。可以用两种方法来做：

第一种方法：首先得到的Dataframe中的这一列Dataframe['TIME']，注意需要加单引号。然后调用map这个内置的隐射函数，这里的map是对Dataframe中的每一个元素进行映射，然后在map（）内部设置函数，这里用的是匿名函数lambda x，然后在匿名函数内部用datetime模块中的datetime类中的strftime函数，将时间字符串转换变成时间元组的格式了，如

map(lambda x: datetime.strptime(x, "%Y-%m-%d %H:%M:%S")

strptime中的后面的参数表示的是前面的x需要转换的格式，关于这里的设置问题，查看datetime模块链接，然后对得到的时间元组的格式来得到day,hour,month等，这里需要特殊注意的是weekend（），此函数可以得到这一天是周几，具体如下

    Datatime['week'] = Datatime['Datatime'].map(lambda x: datetime.strptime(x, "%Y-%m-%d %H:%M:%S").weekday()
    Datatime['day'] = Datatime['Datatime'].map(lambda x: datetime.strptime(x, "%Y-%m-%d %H:%M:%S").day)
    Datatime['hour'] = Datatime['Datatime'].map(lambda x: time_of_day[datetime.strptime(x, "%Y-%m-%d %H:%M:%S").hour])

这样就可以提取出来了上面列中的day，weekend，hour等信息

 

第二种方法：直接选择Dataframe中的TIME列，然后直接调用函数apply，在内部使用函数lambda x,因为x是字符串所以直接对x中的字符进行选择，得到day，hour，如下

    Dataframe['day'] = Dataframe['TIME'].apply(lambda x: int(x[8:10]))
    Dataframe['hour'] = Dataframe['TIME'].apply(lambda x: int(x[11:13]))

但是这里无法得到星期几，我们可以设置函数来定义，如对得到的day这一列来进行计算，假如是2018年的三月，那么可以来进行设置，首先需要知道三月是从星期四开始，所以得到的

def get_week(Dataframe):
    day = int(day)
    weekend=day%7+3
    return weekend

转载请说明出处