如何在Jupyter Notebook中为出租车数据集构建早高峰特征

核心结论 #

不需要使用sklearn，直接借助Pandas就能完成这个特征工程——这是基于时间规则的特征提取，属于数据预处理环节，无需机器学习库介入。

具体实现步骤 #

假设你已经用Pandas将数据集加载为df，按以下步骤操作：

1. 提取上车时间的小时字段 #

从tpep_pickup_datetime列中提取小时部分，生成辅助列pickup_hour：

df['pickup_hour'] = df['tpep_pickup_datetime'].dt.hour

2. 生成早高峰判断特征 #

根据8:00-10:00的规则，生成二进制特征is_morning_rush（1代表处于早高峰，0代表非早高峰）：

• 简洁写法（适合小数据集）：

df['is_morning_rush'] = df['pickup_hour'].apply(lambda x: 1 if 8 <= x < 10 else 0)

• 矢量化写法（推荐，处理大数据集效率更高）：

df['is_morning_rush'] = ((df['pickup_hour'] >= 8) & (df['pickup_hour'] < 10)).astype(int)

3. 可选：结合工作日过滤 #

如果需要排除周末的早高峰，可以先提取星期信息，再组合判断：

# 提取星期几，0=周一，6=周日
df['weekday'] = df['tpep_pickup_datetime'].dt.weekday
# 仅标记工作日的早高峰
df['is_morning_rush_workday'] = ((df['weekday'] < 5) & (df['pickup_hour'] >= 8) & (df['pickup_hour'] < 10)).astype(int)

结果验证 #

可以用以下代码确认特征是否符合预期：

# 查看早高峰样本的时间与特征值
print(df[df['is_morning_rush'] == 1][['tpep_pickup_datetime', 'is_morning_rush']].head())
# 统计早高峰与非早高峰的样本数量
print(df['is_morning_rush'].value_counts())

内容的提问来源于stack exchange，提问作者Peter