如何在sklearn2pmml的PMML管道中提取日期对应的星期几

PMML标准本身内置了完整的日期处理能力，不需要依赖pd.to_datetime()这类Python侧专属逻辑，以下是两种可直接落地、导出的PMML可跨环境运行的方案：

方案1：直接调用PMML内置日期函数（优先选，零额外依赖） #

PMML 4.4及以上版本原生支持日期分量格式化，sklearn2pmml提供的ExpressionTransformer可以直接映射这类原生函数，导出的PMML可以在JPMML、Spark MLlib等所有兼容PMML的推理引擎直接运行，不需要绑定Python环境。

• 核心逻辑：用PMML内置的dateToString函数搭配日期格式符，直接从日期类型字段提取星期名称
• 格式符规则遵循Java SimpleDateFormat规范：EEEE返回完整星期名称（如Monday、星期一，随本地化配置变化），EEE返回星期缩写（如Mon、周一）
• 可直接运行的代码示例：

from sklearn2pmml import PMMLPipeline
from sklearn2pmml.preprocessing import ExpressionTransformer
from sklearn2pmml import sklearn2pmml
import pandas as pd

# 定义星期提取逻辑：如果你的原始字段是字符串日期，替换成parseDate先转日期即可
# 例：字符串日期格式为yyyy-MM-dd的话，表达式写为 dateToString("%EEEE", parseDate($raw_date_col, "yyyy-MM-dd"))
weekday_extractor = ExpressionTransformer(
    expression = 'dateToString("%EEEE", $your_datetime_column)'
)

# 组装PMML管道
pipeline = PMMLPipeline(steps=[
    ("extract_weekday_name", weekday_extractor),
    # 后续接特征编码、模型训练步骤即可
])

# 拟合时仅需保证输入的对应日期列是datetime类型，导出的PMML会内置完整转换逻辑
# sklearn2pmml(pipeline, "datetime_process_pipeline.pmml")

如果需要固定输出中文星期名称，直接给dateToString传地区参数即可，表达式改为dateToString("%EEEE", $your_datetime_column, "zh_CN")。

方案2：自定义转换器（适配自定义星期映射规则） #

如果需要定制星期输出规则（比如自定义中英文映射、特殊星期分组逻辑），可以写符合sklearn规范的自定义转换器，用sklearn2pmml提供的装饰器注册逻辑，避免导出时被序列化为Python依赖的黑盒：

import pandas as pd
from sklearn.base import BaseEstimator, TransformerMixin
from sklearn2pmml.util import datetime_func

# 装饰器会自动把Python侧的日期处理逻辑映射为PMML原生操作
@datetime_func
def _get_weekday(x):
    return x.dt.day_name()

class CustomWeekdayExtractor(BaseEstimator, TransformerMixin):
    def fit(self, X, y=None):
        return self
    
    def transform(self, X):
        # X为输入的单列日期DataFrame
        weekday_series = _get_weekday(X.iloc[:, 0])
        return pd.DataFrame({"weekday_name": weekday_series})

避坑提示 #

• 不要直接在管道中裸写pd.to_datetime()、df.dt.day_name()这类pandas原生逻辑：sklearn2pmml无法识别这类未封装的操作，要么导出时报序列化错误，要么导出的PMML只能在Python环境运行
• 不要混用Python和PMML的日期格式符：Python里取完整星期名用%A，PMML里对应的是%EEEE，写错会返回空值或者格式错误
• 时间戳类型先做类型转换：如果原始日期是整型时间戳，先转成PMML datetime类型再做提取，不要直接对时间戳数字做格式化

内容的提问来源于stack exchange，提问作者Bob Rupak Roy