批量生成特征代码

示例： 特征工程脚本（函数式，节选） # 统计特征：按用户主键聚合 agg_feats = { '订单金额': ['mean', 'max', 'sum'], '订单次数': ['count'] } df_stats = df.groupby('用户ID').agg(agg_feats) df_stats.columns = ['_'.join(c) for c in df_stats.columns] # 交叉特征：用户等级 × 渠道 for col in ['用户等级', '渠道']: df_stats[f'{col}_频次'] = df.groupby('用户ID')[col].nunique() # 分箱：等频分箱，5 箱 df_stats['订单金额_分箱'] = pd.qcut(df_stats['订单金额_mean'], q=5, labels=False, duplicates='drop') # 编码：低基数独热，高基数目标编码 low_card = ['用户等级', '渠道'] df_stats = pd.get_dummies(df_stats, columns=low_card, drop_first=True) # 归一化：最小最大归一化 for col in ['订单金额_mean', '订单金额_max']: lo, hi = df_stats[col].min(), df_stats[col].max() df_stats[col] = (df_stats[col] - lo) / (hi - lo if hi > lo else 1) 特征字典更新稿（示意） 特征名 | 含义 | 构造方式 | 分箱/编码 | 归一化 | 备注 订单金额_mean | 用户平均订单金额 | 按用户ID取均值 | 等频5箱 | 最小最大 | 用历史窗口，排除未来 订单金额_max | 用户最大订单金额 | 按用户ID取最大 | 等频5箱 | 最小最大 | 同上 订单次数_count | 用户订单数 | 按用户ID计数 | 不分箱 | 不归一化 | 计数特征 用户等级_频次 | 用户等级种类数 | 按用户ID去重计数 | 不编码 | 不归一化 | 交叉派生 渠道_频次 | 渠道种类数 | 按用户ID去重计数 | 不编码 | 不归一化 | 交叉派生 说明：示例中列名、口径与数值均为示意，实际脚本按上传数据生成；分箱边界与归一化参数由程序计算。