Cómo usar itertools de Python para el feature engineering de series temporales

Python itertools — este es un módulo integrado para trabajar con iteradores, que se convierte en una herramienta indispensable en feature engineering para series temporales. Si estás construyendo features a través de bucles y copiando datasets, itertools te ayudará a hacerlo varias veces más rápido y de forma más eficiente en memoria.

Qué es itertools y por qué lo necesitas

El módulo itertools contiene funciones para crear iteradores rápidos y eficientes en memoria. Para trabajar con series temporales, esto es crítico: en lugar de almacenar listas en memoria, generamos features sobre la marcha. En datasets con millones o miles de millones de puntos, esto no es solo conveniente — es necesario para trabajar en absoluto.

Principales funciones itertools para feature engineering:

• `combinations()` — todos los pares y combinaciones de elementos (features de rezago, interacciones de variables)
• `permutations()` — todas las permutaciones (probando órdenes e influencia de features)
• `islice()` — extracción de subsecuencias y ventanas deslizantes sin copia
• `zip_longest()` — combinación de series de longitudes diferentes con manejo de valores faltantes
• `chain()` — combinación de iteradores en un flujo único sin copia de datos

Ejemplos prácticos: del enfoque ingenuo al escalable

Problema clásico: una serie temporal de precios, necesitas construir features de rezago con rezagos 1, 2, 3.

Enfoque ingenuo (lento):

```python import pandas as pd data = pd.read_csv('prices.csv') for lag in range(1, 4): data[f'price_lag_{lag}'] = data['price'].shift(lag) ```

Problema: cada `shift()` crea una copia del dataset en memoria. En 10 millones de filas esto es ~300 millones de operaciones de copia más 3x de consumo de memoria.

Con itertools (rápido y eficiente):

```python from itertools import islice prices = [100, 102, 105, 103, 107, 110] for lag in range(1, 4): lagged = list(islice(prices, lag, None)) print(f'lag {lag}: {lagged}') ```

`islice` no copia la lista — simplemente desplaza el puntero a la posición requerida. En datasets grandes, esto ahorra horas de computación.

Segundo ejemplo — ventanas deslizantes:

```python from itertools import islice, tee

def sliding_window(iterable, n): iterables = tee(iterable, n) for i, it in enumerate(iterables): for _ in range(i): next(it, None) return zip(*iterables)

prices = [100, 102, 105, 103, 107, 110] windows = list(sliding_window(prices, 3)) ```

Esto crea ventanas deslizantes de tamaño 3, utilizando iteradores perezosos en lugar de copiar el array.

Desempeño: dónde se economiza memoria y tiempo

En datasets con miles de millones de puntos:

• Computación perezosa — elementos se generan bajo demanda, no se cargan en su totalidad
• Cadenas de operaciones — `chain()` combina fuentes sin copias intermedias
• Composición — combinando itertools, construimos un pipeline complejo con memoria mínima

Resultado: el consumo de memoria puede caer 10-100 veces. En la nube, esto significa una factura más barata. En una máquina local — funciona con lo que antes no cabía en la RAM.

Qué significa esto para ti

Para científicos de datos: trabaja con datasets que antes simplemente no cabían en memoria.

Para ingenieros de ML: un modelo de producción requiere menos recursos y es más estable.

itertools no es magia, es una forma integrada de trabajar con datos de forma más inteligente. Comienza con features de rezago y ventanas deslizantes, luego encuentra dónde más puedas aplicar computación perezosa.