创建按星期几的特征

我们可以构造日期时间特征，为非线性模型提供更多信息。大多数金融数据都带有日期时间信息，其中包含大量内容——年份、月份、日期，有时还有小时、分钟和秒。此外，我们还可以得到星期几、季度，或自某事件（例如财报发布）以来的经过时间。

这里我们只提取星期几，因为我们的数据集回溯时间不长。pandas 的日期时间索引中的 dayofweek 属性可以帮助我们得到星期几。然后，我们用 pandas 的 get_dummies() 对 dayofweek 做哑变量处理。这样会为每个星期几创建一列，取二元值（0 或 1）。我们会丢弃第一列，因为它可以由其他列推断出来。

本练习是课程的一部分

Python 金融机器学习

查看课程

练习说明

使用 lng_df 索引中的 dayofweek 属性获取星期几。
对该星期几变量使用 get_dummies 函数，并设置前缀为 'weekday'。
将 days_of_week 变量的索引设为与 lng_df 的索引相同，以便合并二者。
将 lng_df 和 days_of_week 两个 DataFrame 连接为一个 DataFrame。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Use pandas' get_dummies function to get dummies for day of the week
days_of_week = pd.get_dummies(lng_df.index.____,
                              prefix=____,
                              drop_first=True)

# Set the index as the original dataframe index for merging
days_of_week.index = lng_df.____

# Join the dataframe with the days of week dataframe
lng_df = pd.concat([lng_df, ____], axis=1)

# Add days of week to feature names
feature_names.extend(['weekday_' + str(i) for i in range(1, 5)])
lng_df.dropna(inplace=True)  # drop missing values in-place
print(lng_df.head())

编辑并运行代码