Python机器学习：时间多尺度处理日期变量

月份、季节、周末等因素可能对结果的预测有影响，需要自行加工把特征添加到数据集里。使用month 、weekday等时间属性可以把特征处理出来。

特征工程中常用的时间属性：

返回月份，如1月=1	dt.month
当年的第几周，如1月1日=1	dt.weekofyear
周几，如对应日期是周二=2	dt.weekday
当周的第几天	dt.dayofweek

其他时间属性：
Series.dt.year 返回年份
Series.dt.day 返回日期
Series.dt.hour 返回小时
Series.dt.minute 返回分钟
Series.dt.second 返回秒
Series.dt.microsecond 返回微秒
Series.dt.nanosecond 返回纳秒

---

加工特征的例子：

data['policy_bind_date_weekday'] = data['policy_bind_date'].dt.weekday

代码讲解：

data是原有的数据集；

data['policy_bind_date_weekday']中括号里面的是新命名的特征，用来储存新加工的特征；

dt.weekday是调用series的dt属性，返回周几；

---

运行结果：

对auc的贡献：

没有weekday特征的：

 有weekday特征的：

 结论：结果有提升4个千分位，说明这个特征是有效的。