我正在研究一个 Kaggle 问题（这个问题前段时间解决了，但是为了自学/练习而这样做），其中输出明显受到年份和月份的影响。
原始日期时间数据提供年/月/日/小时信息，我觉得年和月可能是唯一必要的数据。因此，我目前已经修改了该功能，使数据仅由年和月表示（例如 2016 年 3 月将是 201603），并针对由年/月对组成的修改时间变量绘制每个结果。
正如您在此处看到的，第一个结果有一些轻微的季节性波动，而第三个和第四个结果有明显的季节性趋势。另一方面，第二个结果在 2015 年 5 月 (201505) 之后急剧下降。
对于我的模型预测，我想以某种有意义的方式将时间作为变量合并。这里最好的方法是什么？我可以假设数据中最早的时间段等于 1 并每月增加 1 并将变量视为名义类别变量吗？或者是其他东西？
谢谢
您希望保留输入的周期性。一种方法是将日期时间变量分成四个变量：年、月、日和小时。然后，将这些（年份除外）变量中的每一个分解为两部分。
您为这三个变量（即月、日、小时）中的每一个创建一个正弦和余弦面，这将保留这样一个事实，即 24 小时比 21 小时更接近 0 小时，并且 12 月更接近月份1 到第 10 个月。
一个快速的谷歌搜索给了我一些关于如何做到这一点的链接：
我知道我留下了评论，但在这里明确的是Feature-Engine 的 CylicalTransformer.
import pandas as pd
from sklearn.model_selection import train_test_split
from feature_engine.creation import CyclicalTransformer
df = pd.DataFrame({
'day': [6, 7, 5, 3, 1, 2, 4],
'months': [3, 7, 9, 12, 4, 6, 12],
})
cyclical = CyclicalTransformer(variables=None, drop_original=True)
X = cyclical.fit_transform(df)
print(X.head())
>>
day_sin day_cos months_sin months_cos
1 -0.78183 0.62349 1.0 0.0
2 0.0 1.0 -0.5 -0.86603
3 -0.97493 -0.222521 -1.0 -0.0
4 0.43388 -0.900969 0.0 1.0
5 0.78183 0.62349 0.86603 -0.5
6 0.97493 -0.222521 0.0 -1.0
7 -0.43388 -0.900969 0.0 1.0