使用Featuretools遇AttributeError：截断时间DataFrame匹配异常

我正在学习Featuretools的剩余使用寿命（RUL）预测进阶教程，运行以下代码时出现错误：

from featuretools.tsfresh import CidCe
import featuretools as ft

fm, features = ft.dfs(
    entityset=es,
    target_dataframe_name='RUL data',
    agg_primitives=['last', 'max'],
    trans_primitives=[],
    chunk_size=.26,
    cutoff_time=cutoff_time_list[0],
    max_depth=3,
    verbose=True,
)

fm.to_csv('advanced_fm.csv')
fm.head()

相关信息：

• 实体集es中的RUL data表包含engine_no（作为标识列）、time_cycles等字段
• 截断时间表cutoff_time_list[0]包含engine_no和time_cycles两列
• 使用Featuretools版本1.27.0

遇到的错误：

AttributeError: Cutoff time DataFrame must contain a column with either the same name as the target dataframe index or a column named "instance_id"

尽管数据集和截断时间表都包含engine_no列，仍出现该错误，请问原因是什么？

核心原因 #

Featuretools的dfs方法要求截断时间表（cutoff_time参数）必须满足以下任一条件：

1. 包含与目标数据帧（target_dataframe_name指定的表）索引完全同名的列
2. 包含名为instance_id的列，用于关联目标表的实例

你遇到报错的常见原因有以下几种：

• 目标表索引未设置为engine_no：如果在实体集es中，RUL data表的索引不是engine_no（比如使用了默认的整数索引），那么即使截断表有engine_no列，也无法与目标表的索引匹配，触发错误。
• 列数据类型不匹配：cutoff_time_list[0]中的engine_no列数据类型，与RUL data表索引的数据类型不一致（例如一个是字符串、一个是整数），导致Featuretools无法识别两者为关联字段。
• 实体集创建时未正确配置索引：在将RUL data添加到实体集es时，没有明确指定index='engine_no'，导致Featuretools未将engine_no识别为目标表的实例标识列。

验证与解决步骤 #

1. 检查目标表索引：执行print(es['RUL data'].index)，确认索引名称是否为engine_no。
2. 修复实体集索引配置：如果索引不是engine_no，重新创建实体集时指定索引：

   # 示例：重新添加目标表到实体集
   es = ft.EntitySet(id='rul_dataset')
   es = es.add_dataframe(
       dataframe=rul_data_df,
       dataframe_name='RUL data',
       index='engine_no',  # 明确指定engine_no为索引
       time_index='time_cycles'  # 时间索引根据实际情况设置
   )
   

3. 统一数据类型：对比cutoff_time_list[0]['engine_no'].dtype和es['RUL data'].index.dtype，若不一致则转换类型：

   # 示例：将截断表的engine_no转为整数类型
   cutoff_time_list[0]['engine_no'] = cutoff_time_list[0]['engine_no'].astype(int)
   

4. 备选方案：添加instance_id列：如果不想修改索引，可在截断时间表中添加instance_id列并赋值为engine_no：

   cutoff_time_list[0]['instance_id'] = cutoff_time_list[0]['engine_no']
   

内容的提问来源于stack exchange，提问作者J. Maria