上篇文章讲了用CCTX库下载了行情数据，接着用feature_engine库创建一些简单的特征。

feature_engine

feature_engine提供了一系列功能来进行特征生成（Feature Creation），这些功能主要用于创建新的特征，帮助提升机器学习模型的性能。通过生成新的特征，可以更好地揭示数据中的潜在模式，从而提高模型的预测能力。

• 日期特征（DatetimeFeatures）

DatetimeFeatures 用于从日期时间变量中提取常用的日期时间特征。例如，从日期中提取年份、月份、日、小时、季度、星期几等。这些特征提取在很多分析任务中都是非常基础的步骤，尤其是在处理与时间相关的数据时。

• 滞后特征（LagFeatures）

LagFeatures 是指前一个或多个时间点的数据值，它们帮助模型捕捉时间序列数据中的依赖关系和模式。通过引入滞后特征，模型可以基于过去的状态进行预测。

• 循环特征（CyclicalFeatures）

CyclicalFeatures 适用于生成具有周期性行为的特征，例如日、月、季节、小时等数据。周期性特征是通过将这些日期时间特征转换为正弦和余弦表示，使模型能够更好地捕捉周期性的模式。对于像时间、月份等具有周期性特征的数据，使用正弦和余弦转换是很常见的做法，因为它们能捕捉到时间的循环性质。

• 窗口特征（WindowFeatures）

WindowFeatures 用于生成基于移动窗口的统计特征，这在处理时间序列数据时非常有用。例如，你可以计算某个时间窗口内的移动平均、最大值、最小值、标准差等。移动窗口特征能够捕捉时间序列数据中的局部趋势和波动。

• 交易时间特征

是否在美股的交易时间内。

数据样例