数据格式

tsfresh 提供了三种不同的选项来指定时间序列数据格式，以便与 tsfresh.extract_features() 函数（以及所有需要时间序列的实用函数，例如 tsfresh.utilities.dataframe_functions.roll_time_series()）一起使用。

无论输入格式如何，tsfresh 始终会以如下所述的相同输出格式返回计算出的特征。

通常，输入格式选项是 pandas.DataFrame 对象（本文将讨论），以及 Dask 数据帧和 PySpark 计算图（此处讨论 大型输入数据）。

这些 DataFrames 由四种重要的列类型组成。每种类型都将结合机器人故障数据集的例子进行描述（参见 快速开始）。

column_id：

此列指示时间序列属于哪个实体。将为每个实体（id）单独提取特征。生成的特征矩阵将包含每个 id 一行。每个机器人都是一个不同的实体，因此每组特征都有一个不同的 id。

column_sort：

此列包含允许对时间序列进行排序的值（例如按时间戳排序）。通常，不同 id 和/或 kind 的时间步长相等，或时间尺度相同，并非必需。然而，某些特征可能仅对等距时间戳有效。如果您省略此列，则假定 DataFrame 已按升序排序。每个机器人传感器测量都有一个时间戳，用作 column_sort。

仅需在某些数据格式上指定（见下文）

column_value：

此列包含时间序列的实际值。这对应于机器人上不同传感器的测量值。

column_kind：

此列指示不同时间序列类型的名称（例如工业应用中不同传感器的名称，如机器人数据集中所示）。将为每种时间序列单独计算特征。

重要：这些列中不允许包含 NaN、Inf 或 -Inf 值。

在以下段落中，我们将描述基于这些列构建的不同输入格式：

• 平坦型 DataFrame

• 堆叠型 DataFrame

• 平坦型 DataFrames 字典

平坦型和堆叠型 DataFrame 之间的区别在于，在 tsfresh.extract_features() 函数中是否指定了参数 column_value 和 column_kind。

如果您不确定选择哪种格式，可以尝试平坦型或堆叠型 DataFrame。

输入选项 1. 平坦型 DataFrame 或 宽型 DataFrame

如果 column_value 和 column_kind 都设置为 None，则假定时间序列数据为平坦型 DataFrame。这意味着每个不同的时间序列必须保存为其自己的列。

示例：假设您记录了对象 A 和 B 在三个不同时间 t1、t2 和 t3 的时间序列 x 和 y 的值。您的结果 DataFrame 可能如下所示：

id	时间	x	y
A	t1	x(A, t1)	y(A, t1)
A	t2	x(A, t2)	y(A, t2)
A	t3	x(A, t3)	y(A, t3)
B	t1	x(B, t1)	y(B, t1)
B	t2	x(B, t2)	y(B, t2)
B	t3	x(B, t3)	y(B, t3)

现在，您想用 tsfresh 计算一些特征，您可以将

column_id="id", column_sort="time", column_kind=None, column_value=None

传递给提取函数，以便单独为所有 id 以及单独为 x 和 y 值提取特征。您也可以省略 column_kind=None, column_value=None，因为这是默认设置。

输入选项 2. 堆叠型 DataFrame 或 长型 DataFrame

如果 column_value 和 column_kind 都已设置，则假定时间序列数据为堆叠型 DataFrame。这意味着不同类型的时间序列没有不同的列。这种表示方法比平坦型 DataFrame 有几个优点。例如，不同时间序列的时间戳不必对齐。

它不包含用于不同时间序列类型的不同列，而只包含一个值列和一个 kind 列。沿用前面的例子，DataFrame 如下所示：

id	时间	kind	value
A	t1	x	x(A, t1)
A	t2	x	x(A, t2)
A	t3	x	x(A, t3)
A	t1	y	y(A, t1)
A	t2	y	y(A, t2)
A	t3	y	y(A, t3)
B	t1	x	x(B, t1)
B	t2	x	x(B, t2)
B	t3	x	x(B, t3)
B	t1	y	y(B, t1)
B	t2	y	y(B, t2)
B	t3	y	y(B, t3)

然后您将设置

column_id="id", column_sort="time", column_kind="kind", column_value="value"

以得到相同的提取特征。您也可以省略值列，让 tsfresh 自动推导出来。

输入选项 3. 平坦型 DataFrames 字典

除了传递一个必须由 tsfresh 按其不同 kinds 分割的 DataFrame 外，您还可以给出一个字典，将 kind（字符串）映射到仅包含该 kind 时间序列数据的 DataFrame。因此，本质上您是为每种时间序列使用一个单独的 DataFrame。

示例中的数据可以分成两个 DataFrame，形成如下字典：

{ “x”

id	时间	value
A	t1	x(A, t1)
A	t2	x(A, t2)
A	t3	x(A, t3)
B	t1	x(B, t1)
B	t2	x(B, t2)
B	t3	x(B, t3)

, “y”

id	时间	value
A	t1	y(A, t1)
A	t2	y(A, t2)
A	t3	y(A, t3)
B	t1	y(B, t1)
B	t2	y(B, t2)
B	t3	y(B, t3)

}

您将此字典连同以下参数传递给 tsfresh：

column_id="id", column_sort="time", column_kind=None, column_value="value":

在这种情况下，我们无需指定 kind 列，因为 kind 就是相应的字典键。

输出格式

包含提取特征的结果特征矩阵对于所有三种输入选项都是相同的。它始终是 pandas.DataFrame，布局如下：

id	x_feature_1	…	x_feature_N	y_feature_1	…	y_feature_N
A	…	…	…	…	…	…
B	…	…	…	…	…	…

其中 x 特征是使用所有 x 值计算的（对于 A 和 B 分别计算），y 特征是使用所有 y 值计算的（对于 A 和 B 分别计算），依此类推。

此 DataFrame 也是 tsfresh 使用的特征选择算法（例如 tsfresh.select_features() 函数）预期的输入格式。