1. #2.2、特征衍生
2. #(1)、创建一个实体集EntitySet：实体集是一种包含多个数据帧及其之间关系的结构。
3. ftES = ft.EntitySet(id = 'sales') 
4. 
5. 
6. #(2)、规范化实体集：
7. ftES.normalize_entity(base_entity_id='bigmart', 
8.                     new_entity_id='outlet', 
9.                     index = 'Outlet_Identifier', 
10.                     additional_variables = ['Outlet_Establishment_Year', 'Outlet_Size',
11. #                                             'Outlet_Location_Type', 'Outlet_Type',
12.                                             ])
13. 
14. 
15. 
16. #(3)、利用dfs函数自动创建新特征并输出
17. feature_matrix, feature_names = ft.dfs(entityset=ftES,target_entity = 'bigmart', 
18.                                        max_depth = 2,
19. #                                        verbose = 1, n_jobs = -1,
20.                                        )
21. print('feature_names: \n',len(feature_names),feature_names)
22. print('feature_matrix:',feature_matrix.shape,type(feature_matrix),'\n',feature_matrix.iloc[:,:10].head())
23. feature_matrix.to_csv('%sfeature_matrix.csv'%date)
24. 
25. feature_matrix = feature_matrix.reindex(index=data_all['id'])       # reindex()函数，重新把列/行根据columns/index参数指定字段顺序整理一遍
26. feature_matrix = feature_matrix.reset_index()                       # reset_index()函数，重新设置dataframe的index，范围为0~len（df）
27. feature_matrix.to_csv('%sfeature_matrix2reset_index01.csv'%date)
28.