ShopTRAINING/data/feature_comparison.md

数据源字段对比分析

本文档旨在清晰地展示 old_5shops_50skus.parquet 数据源中的实际字段，与项目代码 (feature_selection.py) 及数据字典 (.md 文件) 中定义的字段之间的差异。

字段名	状态	数据字典描述	说明
adcode	🆕 新增	N/A	在Parquet文件中存在，但未在代码或文档中明确使用。
approval_type_encoded	✅ 匹配	批准文号类型的数字编码	在数据源和定义中均存在。
area_sq_km	🆕 新增	N/A	在Parquet文件中存在，但未在代码或文档中明确使用。
brand_encoded	✅ 匹配	品牌的数字编码	在数据源和定义中均存在。
business_areas	🆕 新增	N/A	在Parquet文件中存在，但未在代码或文档中明确使用。
city	⚠️ 缺失	店铺所在城市	在代码或文档中定义，但Parquet文件中不存在。
date	✅ 匹配	日期 (冗余字段)	在数据源和定义中均存在。 (注意: 与 kdrq 同时存在)
day_of_month	✅ 匹配	一月中的第几天 (1-31)	在数据源和定义中均存在。
day_of_week	✅ 匹配	一周中的第几天 (0=周一, 6=周日)	在数据源和定义中均存在。
day_of_year	✅ 匹配	一年中的第几天 (1-366)	在数据源和定义中均存在。
district	✅ 匹配	店铺所在行政区	在数据源和定义中均存在。
district_name	🆕 新增	N/A	在Parquet文件中存在，但未在代码或文档中明确使用。
DISTRICT_LAT	🆕 新增	N/A	在Parquet文件中存在，但未在代码或文档中明确使用。
DISTRICT_LON	🆕 新增	N/A	在Parquet文件中存在，但未在代码或文档中明确使用。
first_sale_date	✅ 匹配	SKU在店首次销售日期	在数据源和定义中均存在。
gross_profit_total	✅ 匹配	当日毛利 (无销售则为0)	在数据源和定义中均存在。
hh	✅ 匹配	商品唯一标识	在数据源和定义中均存在。
is_holiday	✅ 匹配	是否为节假日 (True/False)	在数据源和定义中均存在。
is_weekend	✅ 匹配	是否为周末 (True/False)	在数据源和定义中均存在。
kdrq	✅ 匹配	开单日期 (主键之一)	在数据源和定义中均存在。 (注意: 与 date 同时存在)
last_sale_date	✅ 匹配	SKU在店末次销售日期	在数据源和定义中均存在。
latitude	🆕 新增	N/A	在Parquet文件中存在，但未在代码或文档中明确使用。
lifecycle_days	✅ 匹配	SKU在店生命周期总天数	在数据源和定义中均存在。
longitude	🆕 新增	N/A	在Parquet文件中存在，但未在代码或文档中明确使用。
month	✅ 匹配	月份 (1-12)	在数据源和定义中均存在。
net_sales_quantity	✅ 匹配	当日净销售量 (目标变量)	在数据源和定义中均存在。
net_sales_quantity_rolling_mean_15d	✅ 匹配	过去15日平均净销量	在数据源和定义中均存在。
net_sales_quantity_rolling_mean_30d	✅ 匹配	过去30日平均净销量	在数据源和定义中均存在。
net_sales_quantity_rolling_mean_7d	✅ 匹配	过去7日平均净销量	在数据源和定义中均存在。
net_sales_quantity_rolling_mean_90d	✅ 匹配	过去90日平均净销量	在数据源和定义中均存在。
net_sales_quantity_rolling_sum_15d	✅ 匹配	过去15日总净销量	在数据源和定义中均存在。
net_sales_quantity_rolling_sum_30d	✅ 匹配	过去30日总净销量	在数据源和定义中均存在。
net_sales_quantity_rolling_sum_7d	✅ 匹配	过去7日总净销量	在数据源和定义中均存在。
net_sales_quantity_rolling_sum_90d	✅ 匹配	过去90日总净销量	在数据源和定义中均存在。
packaging_quantity	⚠️ 缺失	包装数量 (从规格中提取)	在代码或文档中定义，但Parquet文件中不存在。
poi_company_count	🆕 新增	N/A	在Parquet文件中存在，但未在代码或文档中明确使用。
poi_finance_count	🆕 新增	N/A	在Parquet文件中存在，但未在代码或文档中明确使用。
poi_mall_count	✅ 匹配	周边购物中心POI数量	在数据源和定义中均存在。
poi_residential_count	✅ 匹配	周边住宅区POI数量	在数据源和定义中均存在。
poi_school_count	✅ 匹配	周边学校POI数量	在数据源和定义中均存在。
province	⚠️ 缺失	店铺所在省份	在代码或文档中定义，但Parquet文件中不存在。
quarter	✅ 匹配	季度 (1-4)	在数据源和定义中均存在。
return_quantity	✅ 匹配	当日退货量 (无销售则为0)	在数据源和定义中均存在。
return_quantity_rolling_mean_15d	✅ 匹配	过去15日平均退货量	在数据源和定义中均存在。
return_quantity_rolling_mean_30d	✅ 匹配	过去30日平均退货量	在数据源和定义中均存在。
return_quantity_rolling_mean_7d	✅ 匹配	过去7日平均退货量	在数据源和定义中均存在。
return_quantity_rolling_mean_90d	✅ 匹配	过去90日平均退货量	在数据源和定义中均存在。
return_quantity_rolling_sum_15d	✅ 匹配	过去15日总退货量	在数据源和定义中均存在。
return_quantity_rolling_sum_30d	✅ 匹配	过去30日总退货量	在数据源和定义中均存在。
return_quantity_rolling_sum_7d	✅ 匹配	过去7日总退货量	在数据源和定义中均存在。
return_quantity_rolling_sum_90d	✅ 匹配	过去90日总退货量	在数据源和定义中均存在。
rolling_15d_valid	✅ 匹配	15日滚动窗口是否有效	在数据源和定义中均存在。
rolling_30d_valid	✅ 匹配	30日滚动窗口是否有效	在数据源和定义中均存在。
rolling_7d_valid	✅ 匹配	7日滚动窗口是否有效 (距离首次销售>=7天)	在数据源和定义中均存在。
rolling_90d_valid	✅ 匹配	90日滚动窗口是否有效	在数据源和定义中均存在。
sales_quantity	✅ 匹配	当日销售量 (无销售则为0)	在数据源和定义中均存在。
sales_quantity_rolling_mean_15d	✅ 匹配	过去15日平均销售量	在数据源和定义中均存在。
sales_quantity_rolling_mean_30d	✅ 匹配	过去30日平均销售量	在数据源和定义中均存在。
sales_quantity_rolling_mean_7d	✅ 匹配	过去7日平均销售量	在数据源和定义中均存在。
sales_quantity_rolling_mean_90d	✅ 匹配	过去90日平均销售量	在数据源和定义中均存在。
sales_quantity_rolling_sum_15d	✅ 匹配	过去15日总销售量	在数据源和定义中均存在。
sales_quantity_rolling_sum_30d	✅ 匹配	过去30日总销售量	在数据源和定义中均存在。
sales_quantity_rolling_sum_7d	✅ 匹配	过去7日总销售量	在数据源和定义中均存在。
sales_quantity_rolling_sum_90d	✅ 匹配	过去90日总销售量	在数据源和定义中均存在。
sample_category	✅ 匹配	生命周期分类 (new/medium/old)	在数据源和定义中均存在。
subbh	✅ 匹配	店铺唯一标识	在数据源和定义中均存在。
temperature_2m_mean	✅ 匹配	当日平均气温	在数据源和定义中均存在。
temperature_2m_max	✅ 匹配	当日最高气温	在数据源和定义中均存在。
temperature_2m_min	✅ 匹配	当日最低气温	在数据源和定义中均存在。
transaction_count	✅ 匹配	当日交易次数 (无销售则为0)	在数据源和定义中均存在。
week_of_month	✅ 匹配	当月第几周 (1-5)	在数据源和定义中均存在。
产地_encoded	✅ 匹配	产地的数字编码	在数据源和定义中均存在。
商品ABC分类_encoded	✅ 匹配	商品ABC分类的数字编码	在数据源和定义中均存在。
商品手册代码_encoded	✅ 匹配	商品手册代码的数字编码	在数据源和定义中均存在。
零售中类代码_encoded	✅ 匹配	零售中类代码的数字编码	在数据源和定义中均存在。
零售大类代码_encoded	✅ 匹配	零售大类代码的数字编码	在数据源和定义中均存在。
零售小类代码_encoded	✅ 匹配	零售小类代码的数字编码	在数据源和定义中均存在。
net_sales_quantity_rolling_mean_180d	⚠️ 缺失	过去180日平均净销量	在代码或文档中定义，但Parquet文件中不存在。
net_sales_quantity_rolling_mean_365d	⚠️ 缺失	过去365日平均净销量	在代码或文档中定义，但Parquet文件中不存在。
net_sales_quantity_rolling_sum_180d	⚠️ 缺失	过去180日总净销量	在代码或文档中定义，但Parquet文件中不存在。
net_sales_quantity_rolling_sum_365d	⚠️ 缺失	过去365日总净销量	在代码或文档中定义，但Parquet文件中不存在。
return_quantity_rolling_mean_180d	⚠️ 缺失	过去180日平均退货量	在代码或文档中定义，但Parquet文件中不存在。
return_quantity_rolling_mean_365d	⚠️ 缺失	过去365日平均退货量	在代码或文档中定义，但Parquet文件中不存在。
return_quantity_rolling_sum_180d	⚠️ 缺失	过去180日总退货量	在代码或文档中定义，但Parquet文件中不存在。
return_quantity_rolling_sum_365d	⚠️ 缺失	过去365日总退货量	在代码或文档中定义，但Parquet文件中不存在。
sales_quantity_rolling_mean_180d	⚠️ 缺失	过去180日平均销售量	在代码或文档中定义，但Parquet文件中不存在。
sales_quantity_rolling_mean_365d	⚠️ 缺失	过去365日平均销售量	在代码或文档中定义，但Parquet文件中不存在。
sales_quantity_rolling_sum_180d	⚠️ 缺失	过去180日总销售量	在代码或文档中定义，但Parquet文件中不存在。
sales_quantity_rolling_sum_365d	⚠️ 缺失	过去365日总销售量	在代码或文档中定义，但Parquet文件中不存在。