如何查看Featuretools生成的特征类型（含数值型、分类型）

嘿，刚好对Featuretools的特征类型这块熟得很，给你一步步讲清楚怎么查看和区分！

一、查看所有特征的类型 #

当你用Featuretools的dfs或者deep_feature_synthesis生成特征后，会得到两个核心结果：feature_matrix（特征矩阵，本质是Pandas DataFrame）和feature_defs（特征定义列表，每个元素是Featuretools的Feature对象）。

最准确的方式是直接遍历feature_defs来获取每个特征的官方类型：

import featuretools as ft

# 假设你已经构建好EntitySet并生成了特征
feature_matrix, feature_defs = ft.dfs(entityset=your_entityset, target_dataframe_name="target_table")

# 逐个打印特征名和对应的类型
for feature in feature_defs:
    print(f"特征名称: {feature.name}, Featuretools类型: {feature.type}")

Featuretools会返回明确的类型标识，比如Numeric、Categorical、Datetime、Boolean这些，比单纯看DataFrame的dtypes更靠谱（毕竟有些分类型特征在DataFrame里可能被存为object类型）。

如果你想查看单个特征的详细信息，还可以用ft.describe_feature()：

# 查看第一个特征的完整描述
print(ft.describe_feature(feature_defs[0]))

这个方法会输出特征的类型、依赖的原始特征、生成逻辑（比如是通过mean聚合还是mode聚合），帮你更透彻理解特征。

二、区分数值型（Numeric）和分类型（Categorical）特征 #

有了feature_defs，筛选两类特征就很简单了，直接通过FeatureType来判断：

# 筛选所有数值型特征
numeric_features = [feat.name for feat in feature_defs if feat.type == ft.FeatureType.NUMERIC]

# 筛选所有分类型特征
categorical_features = [feat.name for feat in feature_defs if feat.type == ft.FeatureType.CATEGORICAL]

print("数值型特征列表:", numeric_features)
print("分类型特征列表:", categorical_features)

额外小贴士 #

• 一些衍生特征的类型很好预判：比如用sum、mean、max这类聚合函数生成的特征肯定是数值型；用mode（众数）或者基于原始分类变量生成的特征大概率是分类型。
• 如果你的分类型特征在feature_matrix里是object类型，后续建模前可以转成Pandas的category类型来节省内存并提升效率：

feature_matrix[categorical_features] = feature_matrix[categorical_features].astype('category')

内容的提问来源于stack exchange，提问作者deevroman