直接用原始周期值会破坏模型学习，因为线性编码将循环关系强行拉直，导致边界处（如23→0）产生巨大跳跃误差；正弦/余弦变换将其映射到单位圆，保留距离关系，需归一化、同时使用sin/cos、处理缺失值，并通过ColumnTransformer集成进Pipeline。
为什么直接用原始周期值会破坏模型学习
比如时间戳里的小时（0–23）、星期几（1–7）或月份（1–12），如果直接喂给 LinearRegression 或 RandomForest，模型会误以为“23点比0点大很多”，而实际上23点和0点在时间上只差1小时。这种线性编码把循环关系强行拉成直线，导致边界处（如23→0、12→1）产生巨大跳跃误差。
用正弦/余弦变换做周期性编码
核心思路是把一维周期值映射到二维平面上的单位圆：用 sin 和 cos 拆解为两个特征，保留距离关系。例如小时字段：hour_sin = sin(2 * π * hour / 24)，hour_cos = cos(2 * π * hour / 24)。这样23点和0点在二维空间里就挨得很近。
- 必须归一化再计算：先除以周期长度（如小时除24，月份除12），否则
sin/cos相位错乱 - 不能只用
sin或只用cos—— 会丢失半周期信息，比如 sin(0) == sin(π)，但0和π对应完全不同的时刻 - 对缺失值要单独处理：
np.nan经过sin/cos还是nan，后续模型可能报错，建议提前填充或标记
Scikit-learn中如何集成进Pipeline
别手写转换然后拼接DataFrame，用 ColumnTransformer + 自定义 TransformerMixin 更可靠。示例中封装一个 CyclicEncoder：
from sklearn.base import BaseEstimator, TransformerMixin
import numpy as np
<p>class CyclicEncoder(BaseEstimator, TransformerMixin):
def <strong>init</strong>(self, column, period):
self.column = column
self.period = period</p><pre class='brush:python;toolbar:false;'>def fit(self, X, y=None):
return self
def transform(self, X):
col = X[self.column]
sin_col = np.sin(2 * np.pi * col / self.period)
cos_col = np.cos(2 * np.pi * col / self.period)
return np.column_stack([sin_col, cos_col])然后在 ColumnTransformer 中调用：ColumnTransformer([('hour_enc', CyclicEncoder('hour', 24), ['hour'])], remainder='passthrough')。注意：传入的列名必须是列表形式，单元素也要写成 ['hour']，否则报 ValueError: Expected 2D array。
立即学习“Python免费学习笔记（深入）”；
哪些场景不适合直接套用这个方法
不是所有“看起来循环”的特征都该用正余弦编码。比如：
- 地理经纬度：经度确实有周期性（±180°等价），但纬度没有，且地球是球面，简单 sin/cos 会扭曲高纬度距离
- 带偏移的周期数据：比如某业务“每周三晚8点开始”，周期仍是7天，但相位偏移了，需先做
(x - offset) % period再编码 - 不等距周期：农历月份天数不固定（29或30天），硬按30编码会导致误差累积；此时更适合用离散标签+嵌入，或直接用日期对象提取语义特征（如是否月末）
真正关键的是先确认物理意义是否满足“首尾相接+等距”，再决定要不要上 sin/cos —— 编码本身很简单，误判周期性质才是最常踩的坑。
