时间序列学习经典案例（2）【tsfresh】基于datetime索引的特征提取

最新推荐文章于 2025-06-05 09:00:11 发布

Tony Einstein

最新推荐文章于 2025-06-05 09:00:11 发布

阅读量2k

点赞数

CC 4.0 BY-SA版权

分类专栏：时间序列文章标签：机器学习 python 数据挖掘

本文链接：https://blog.csdn.net/qq_42658739/article/details/122428151

时间序列专栏收录该内容

26 篇文章

订阅专栏

本文介绍如何使用Datetime索引从时间序列数据中提取特征，并通过tsfresh库实现分类任务。特别关注了利用时间间隔信息的重要性，展示了如何构建带有Datetime索引的时间序列容器并计算基于时间的特征。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.使用Datetime索引从数据帧(某一个事物的多个时间点组成集合)中提取特征的案例背景

在许多情况下，假设定时进行时变测量就足够了。然而，对于大量的任务，在进行测量时考虑到这一点是很重要的。例如医疗保健，生命体征测量的间隔时间包含重要信息。

注意：这种提取是针对分类的情况对时间进行提取的，提取之后不再存在显性的时间。一般用于分类聚类，少用于预测，且一般用于不固定的时间间隔。

此外，本质上来说这是一种抽取特征的方法，比如本案例中，id 代表了某一个事物，这里有事物a、b，然后事物a 有多个时间点，事物b有多个时间点；拿a来说，a的多个时间点组成了一个集合，对这个集合进行抽取特征，那么这些特征可代表a用来把a和b区分开来。

Tsfresh现在支持使用timeseries容器的索引来计算特性的计算器函数。这些函数的唯一要求是输入数据帧的索引是pd.DatetimeIndex类型。这些函数包含在新类TimeBasedFCParameters中。

注意，所有其他函数的行为都不受影响。extract_features()的设置参数既可以包含依赖索引的函数，也可以包含“常规”函数。

2.获取数据

import pandas as pd
from tsfresh.feature_extraction import extract_features
# TimeBasedFCParameters contains all functions that use the Datetime index of the timeseries container
from tsfresh.feature_extraction.settings import TimeBasedFCParameters

df = pd.DataFrame({"id": ["a", "a", "a", "a", "b", "b", "b", "b"], 
                   "value": [1, 2, 3, 1, 3, 1, 0, 8],
                   "kind": ["temperature", "temperature", "pressure", "pressure",
                            "temperature", "temperature", "pressure", "pressure"]},
                   index=pd.DatetimeIndex(
                       ['2019-03-01 10:04:00', '2019-03-01 10:50:00', '2019-03-02 00:00:00', '2019-03-02 09:04:59',
                        '2019-03-02 23:54:12', '2019-03-03 08:13:04', '2019-03-04 08:00:00', '2019-03-04 08:01:00']
                   ))
df = df.sort_index()
df

在这里插入图片描述

3.构建一个带有Datetime索引的时间序列容器

构建一个带有datetime索引的数据帧。格式必须包含一个value和一个kind列，因为每个度量值都有自己的时间戳——也就是说，不假设度量值是同步的。

现在TimeBasedFCParameters只包含linear_trend_timewise，它执行线性趋势的计算，但为了执行线性回归，使用测量之间的小时时间差。和往常一样，可以在tsfresh/feature_extraction/feature_calculators.py中添加自己的函数。

settings_time = TimeBasedFCParameters()
settings_time

在这里插入图片描述
提取特征，指定列值、类型和id。

X_tsfresh = extract_features(df, column_id="id", column_value='value', column_kind='kind',
                             default_fc_parameters=settings_time)
X_tsfresh.head()

在这里插入图片描述
输出看起来和往常一样。如果将其与“常规”的线性趋势特征计算器进行比较，可以看到截距、p和R值是相同的，正如所期望的那样——只是斜率现在不同了。

settings_regular = {'linear_trend': [
  {'attr': 'pvalue'},
  {'attr': 'rvalue'},
  {'attr': 'intercept'},
  {'attr': 'slope'},
  {'attr': 'stderr'}
]}

X_tsfresh = extract_features(df, column_id="id", column_value='value', column_kind='kind',
                             default_fc_parameters=settings_regular)
X_tsfresh.head()

在这里插入图片描述

4.编写自己的基于时间的功能计算器

编写自己的基于时间的功能计算器与平常没有什么不同。只有两个新属性必须使用@set_property 装饰器设置：

@set_property("input"， "pd. series ")告诉函数函数的输入是一个pd.Series而不是numpy数组。
@set_property("index_type"， pd.DatetimeIndex)告诉函数，输入是一个DatetimeIndex，允许它根据时间数据类型执行计算。

例如，如果想要编写一个函数来计算第一次和最后一次测量之间的时间，它可以像这样:

@set_property("input", "pd.Series")
@set_property("index_type", pd.DatetimeIndex)
def timespan(x, param):
    ix = x.index

    # Get differences between the last timestamp and the first timestamp in seconds, then convert to hours.
    times_seconds = (ix[-1] - ix[0]).total_seconds()
    return times_seconds / float(3600)