引言
特征工程是机器学习中最重要也最费力的环节。一个好的特征往往比换模型更有效，但这一步通常会产生充满嵌套循环、手工索引和硬编码组合的混乱代码。
Python 的 itertools 模块是标准库中的迭代器工具箱——大多数数据科学家知道它存在，但真正在特征工程中用它的人很少。这是个遗憾，因为特征工程的本质就是结构化迭代：遍历变量对、滑动窗口、分组序列、特征子集……而 itertools 正是为此而生。
本文用 7 个函数解决常见特征工程问题，以电商数据为例，涵盖交互特征、滑动窗口、类别组合等场景。文中代码可在 GitHub 获取。
1. combinations：生成交互特征
交互特征捕捉两个变量之间的关系——这是单个变量无法表达的信号。手动列出多列数据集的每一对组合非常繁琐，combinations 一行搞定。
import itertoolsimport pandas as pd
df = pd.DataFrame({ "avg_order_value": [142.5, 89.0, 210.3, 67.8, 185.0], "discount_rate": [0.10, 0.25, 0.05, 0.30, 0.15], "days_since_signup": [120, 45, 380, 12, 200], "items_per_order": [3.2, 1.8, 5.1, 1.2, 4.0], "return_rate": [0.05, 0.18, 0.02, 0.22, 0.08],})
numeric_cols = df.columns.tolist()
for col_a, col_b in itertools.combinations(numeric_cols, 2): feature_name = f"{col_a}_x_{col_b}" df[feature_name] = df[col_a] * df[col_b]
interaction_cols = [c for c in df.columns if "_x_" in c]print(df[interaction_cols].head())输出（截取）：
avg_order_value_x_discount_rate avg_order_value_x_days_since_signup ...0 14.250 17100.0 ...1 22.250 4005.0 ...combinations(numeric_cols, 2) 生成每对唯一组合，不含重复。5 列生成 10 对，10 列生成 45 对，随列数自动扩展。
2. product：构建跨类别特征网格
itertools.product 计算两个或多个可迭代对象的笛卡尔积——跨组的所有可能组合。
在电商场景中，这适合构建「用户分层 × 商品类别 × 渠道」的特征查找矩阵：
import itertoolsimport numpy as np
customer_segments = ["new", "returning", "vip"]product_categories = ["electronics", "apparel", "home_goods", "beauty"]channels = ["mobile", "desktop"]
combos = list(itertools.product(customer_segments, product_categories, channels))
grid_df = pd.DataFrame(combos, columns=["segment", "category", "channel"])
np.random.seed(7)grid_df["avg_conversion_rate"] = np.round( np.random.uniform(0.02, 0.18, size=len(grid_df)), 3)
print(grid_df.head(12))print(f"\nTotal combinations: {len(grid_df)}")输出：
segment category channel avg_conversion_rate0 new electronics mobile 0.0321 new electronics desktop 0.145...Total combinations: 24这张网格可以 merge 回主交易表，作为查找特征——每行都获得其对应 segment × category × channel 组合的预期转化率。
3. chain：合并多来源特征列表
在真实 Pipeline 中，特征往往来自多个来源：用户表、商品表、行为表。chain 把它们展平成一个统一的特征列表：
import itertools
customer_features = [ "customer_age", "days_since_signup", "lifetime_value", "total_orders", "avg_order_value"]
product_features = [ "category", "brand_tier", "avg_rating", "review_count", "is_sponsored"]
behavioral_features = [ "pages_viewed_last_7d", "search_queries_last_7d", "cart_abandonment_rate", "wishlist_size"]
all_features = list(itertools.chain( customer_features, product_features, behavioral_features))
print(f"Total features: {len(all_features)}")print(all_features)输出：
Total features: 14['customer_age', 'days_since_signup', ..., 'wishlist_size']简单场景下 + 拼接列表也行，但 chain 在来源很多、部分来源是生成器、或特征组需要条件组合时更具优势，代码可读性和可组合性更好。
4. islice：构建滑动窗口滞后特征
滞后特征在很多数据集中都很重要：上月消费额、最近 3 次订单数量、最近 5 次平均客单价……手动用索引构建这些特征容易出错。
islice 可以在不转换为列表的情况下对迭代器切片，适合逐行处理有序交易历史：
import itertools
transactions = [ {"order_id": "ORD-8821", "amount": 134.50, "items": 3}, {"order_id": "ORD-8934", "amount": 89.00, "items": 2}, {"order_id": "ORD-9102", "amount": 210.75, "items": 5}, {"order_id": "ORD-9341", "amount": 55.20, "items": 1}, {"order_id": "ORD-9488", "amount": 178.90, "items": 4}, {"order_id": "ORD-9601", "amount": 302.10, "items": 7},]
window_size = 3features = []
for i in range(window_size, len(transactions)): window = list(itertools.islice(transactions, i - window_size, i)) current = transactions[i]
lag_amounts = [t["amount"] for t in window] features.append({ "order_id": current["order_id"], "current_amount": current["amount"], "lag_1_amount": lag_amounts[-1], "lag_2_amount": lag_amounts[-2], "lag_3_amount": lag_amounts[-3], "rolling_mean_3": round(sum(lag_amounts) / len(lag_amounts), 2), "rolling_max_3": max(lag_amounts), })
print(pd.DataFrame(features).to_string(index=False))输出：
order_id current_amount lag_1_amount lag_2_amount lag_3_amount rolling_mean_3 rolling_max_3ORD-9341 55.2 210.75 89.00 134.50 144.75 210.75ORD-9488 178.9 55.20 210.75 89.00 118.32 210.75ORD-9601 302.1 178.90 55.20 210.75 148.28 210.75islice(transactions, i - window_size, i) 精确截取前 window_size 条记录，无需为完整历史构建中间列表。
5. groupby：按类别聚合特征
groupby 对排序后的可迭代对象分组，计算每组统计量。
同一客户在不同商品类别上的消费行为差异很大——把所有订单混在一起会丢失这个信号。
重要：itertools.groupby 必须先按 key 排序，与 pandas groupby 不同，它只对连续元素分组。
import itertools
orders = [ {"customer": "C-10482", "category": "electronics", "amount": 349.99}, {"customer": "C-10482", "category": "electronics", "amount": 189.00}, {"customer": "C-10482", "category": "apparel", "amount": 62.50}, {"customer": "C-10482", "category": "apparel", "amount": 88.00}, {"customer": "C-10482", "category": "apparel", "amount": 45.75}, {"customer": "C-10482", "category": "home_goods", "amount": 124.30},]
orders_sorted = sorted(orders, key=lambda x: x["category"])
category_features = {}for category, group in itertools.groupby(orders_sorted, key=lambda x: x["category"]): amounts = [o["amount"] for o in group] category_features[category] = { "order_count": len(amounts), "total_spend": round(sum(amounts), 2), "avg_spend": round(sum(amounts) / len(amounts), 2), "max_spend": max(amounts), }
cat_df = pd.DataFrame(category_features).Tcat_df.index.name = "category"print(cat_df)输出：
order_count total_spend avg_spend max_spendcategoryapparel 3.0 196.25 65.42 88.00electronics 2.0 538.99 269.50 349.99home_goods 1.0 124.30 124.30 124.30这些按类别的聚合结果最终成为用户行的特征列：electronics_avg_spend、apparel_order_count 等。
6. combinations_with_replacement：多项式特征
多项式特征（平方、立方、交叉项）是让线性模型具备捕捉非线性关系能力的标准方法。
与 combinations 的区别在于：combinations_with_replacement 允许同一元素出现两次，从而产生平方项（如 avg_order_value^2）：
import itertools
df_poly = pd.DataFrame({ "avg_order_value": [142.5, 89.0, 210.3, 67.8], "discount_rate": [0.10, 0.25, 0.05, 0.30], "items_per_order": [3.2, 1.8, 5.1, 1.2],})
cols = df_poly.columns.tolist()
for col_a, col_b in itertools.combinations_with_replacement(cols, 2): feature_name = f"{col_a}^2" if col_a == col_b else f"{col_a}_x_{col_b}" df_poly[feature_name] = df_poly[col_a] * df_poly[col_b]
poly_cols = [c for c in df_poly.columns if "^2" in c or "_x_" in c]print(df_poly[poly_cols].round(3))输出：
avg_order_value^2 avg_order_value_x_discount_rate ... items_per_order^20 20306.25 14.250 ... 10.241 7921.00 22.250 ... 3.24不需要引入 scikit-learn 的 PolynomialFeatures，同时可以精确控制哪些特征参与展开。
7. accumulate：累计行为特征
itertools.accumulate 对序列计算运行时累计聚合，无需 pandas 或 NumPy。
累计特征（累计消费、累计订单数、滚动平均客单价）对终身价值建模和流失预测很有价值：
import itertools
order_amounts = [56.80, 123.40, 89.90, 245.00, 67.50, 310.20, 88.75]
cumulative_spend = list(itertools.accumulate(order_amounts))cumulative_max = list(itertools.accumulate(order_amounts, func=max))cumulative_count = list(itertools.accumulate([1] * len(order_amounts)))
features_df = pd.DataFrame({ "order_number": range(1, len(order_amounts) + 1), "order_amount": order_amounts, "cumulative_spend": cumulative_spend, "cumulative_max_order": cumulative_max, "order_count_so_far": cumulative_count,})
features_df["avg_spend_so_far"] = ( features_df["cumulative_spend"] / features_df["order_count_so_far"]).round(2)
print(features_df.to_string(index=False))输出：
order_number order_amount cumulative_spend cumulative_max_order order_count_so_far avg_spend_so_far 1 56.80 56.80 56.8 1 56.80 2 123.40 180.20 123.4 2 90.10 3 89.90 270.10 123.4 3 90.03 4 245.00 515.10 245.0 4 128.78 5 67.50 582.60 245.0 5 116.52 6 310.20 892.80 310.2 6 148.80 7 88.75 981.55 310.2 7 140.22accumulate 支持自定义 func 参数——max、min、operator.mul 或自定义 lambda 均可。每一行是客户在该时间点的历史快照，适合构建序列模型的特征或避免数据泄露的训练数据。
总结
7 个函数速查表：
函数 | 特征工程用途 |
| 两两交互特征 |
| 跨类别特征网格 |
| 合并多来源特征列表 |
| 滞后与滑动窗口特征 |
| 按组聚合特征 |
| 多项式 / 平方特征 |
| 累计行为特征 |
培养一个好习惯：当特征工程问题本质上是一个迭代问题时，itertools 几乎总是比手写循环提供更干净的答案。
参考资料