使用Python构建Feature Matrix：基于两份Excel购物数据的需求

没问题，我帮你搞定这个需求。咱们可以用pandas来处理这两个Excel文件，根据你的数据特点，有两种常见的特征矩阵构建方式，我都会给你演示清楚。

先明确数据情况 #

你的食品购买数据里，存在同一个人同一天购买多种食品的情况（比如Bob在2015年3月14日买了苹果和梨），而饮品数据里每个（姓名+日期）组合只有一条记录。我们可以基于这个情况选择不同的构建方式。

方式1：每条食品购买记录作为特征矩阵的一行 #

这种方式下，每一行对应一次食品购买行为，同时关联当天购买的饮品，适合需要分析单类食品购买关联的场景。

步骤1：读取Excel文件

import pandas as pd

# 读取食品和饮品数据
food_df = pd.read_excel('food_shopping.xlsx')
drink_df = pd.read_excel('drink_shopping.xlsx')

步骤2：合并数据集

基于Name和Day of Shopping做内连接，把每条食品记录和当天的饮品记录关联起来：

merged_df = pd.merge(food_df, drink_df, on=['Name', 'Day of Shopping'], how='inner')

合并后的结果示例：

步骤3：生成one-hot特征矩阵

把食品和饮品转换成数值型的one-hot特征，方便后续建模使用：

feature_matrix = pd.get_dummies(merged_df, columns=['Food bought', 'Drink bought'])

最终特征矩阵示例（部分列）：

方式2：每个（姓名+日期）组合作为特征矩阵的一行 #

这种方式下，每一行对应一个人一天的完整购物记录，把当天购买的所有食品和饮品都作为特征（比如当天买了苹果和梨，对应的两个特征列都为1），适合分析用户单日购物行为的场景。

步骤1：预处理食品数据，合并同一天的购买记录

# 分组聚合，把同一个人同一天买的食品合并成列表
food_grouped = food_df.groupby(['Name', 'Day of Shopping'])['Food bought'].apply(list).reset_index()

# 合并饮品数据
merged_df = pd.merge(food_grouped, drink_df, on=['Name', 'Day of Shopping'], how='inner')

合并后的中间结果：

步骤2：生成合并后的特征矩阵

把食品列表展开做one-hot编码，再按（姓名+日期）分组取最大值（表示当天是否购买了该食品）：

# 展开食品列表并做one-hot编码，再分组聚合
feature_matrix = (
    merged_df.explode('Food bought')
    .pipe(pd.get_dummies, columns=['Food bought', 'Drink bought'])
    .groupby(['Name', 'Day of Shopping'])
    .max()
    .reset_index()
)

最终特征矩阵示例（部分列）：

额外优化：日期特征处理 #

如果需要把日期转换成可建模的数值特征，可以解析日期并提取年、月、日：

# 解析中文日期为datetime类型
merged_df['Day of Shopping'] = pd.to_datetime(merged_df['Day of Shopping'], format='%Y年%m月%d日')

# 提取日期特征
feature_matrix['Year'] = merged_df['Day of Shopping'].dt.year
feature_matrix['Month'] = merged_df['Day of Shopping'].dt.month
feature_matrix['Day'] = merged_df['Day of Shopping'].dt.day

这样处理后，特征矩阵就包含了更丰富的数值特征，方便后续的机器学习建模或数据分析使用。

内容的提问来源于stack exchange，提问作者A.Code.1