tsfeatures

从时间序列数据计算各种特征。R包tsfeatures的Python实现。

安装

您可以使用以下方式从Python包索引安装已发布版本的tsfeatures：

pip install tsfeatures

用法

默认情况下，tsfeatures主函数计算Montero-Manso、Talagala、Hyndman和Athanasopoulos在他们对FFORMA模型的实现中使用的特征。

from tsfeatures import tsfeatures

此函数接收一个包含列unique_id、ds、y和可选数据频率的面板pandas df。

tsfeatures(panel, freq=7)

默认情况下（freq=None），函数将尝试推断每个时间序列的频率（使用infer_freq从在ds列上）并根据内置字典FREQS分配季节性周期。

FREQS = {'H': 24, 'D': 1,
         'M': 12, 'Q': 4,
         'W':1, 'Y': 1}

您可以使用dict_freqs参数使用自己的字典。

tsfeatures(panel, dict_freqs={'D': 7, 'W': 52})

可用特征列表

请参阅文档以了解功能的描述。要使用软件包中包含的特定功能，您需要导入它

from tsfeatures import acf_features

tsfeatures(panel, freq=7, features=[acf_features])

您还可以定义自己的函数，并将其与包含的功能一起使用

def number_zeros(x, freq):

    number = (x == 0).sum()
    return {'number_zeros': number}

tsfeatures(panel, freq=7, features=[acf_features, number_zeros])

tsfeatures可以处理接收一个numpy数组x和一个频率freq（即使您不使用此参数，也需要此参数）并返回一个字典的功能，其中以特征名称为键，其值为值的函数。

R语言实现

您可以使用此软件包在Python中调用R中的tsfeatures（您需要已安装R，以及forecast和tsfeatures软件包；还需要Python软件包rpy2）

from tsfeatures.tsfeatures_r import tsfeatures_r

tsfeatures_r(panel, freq=7, features=["acf_features"])

请注意，此函数接收字符串列表而不是函数列表。

与R语言实现的比较（绝对差值之和）

非季节性数据（100个日M4时间序列）

要复制此结果，请使用

python -m tsfeatures.compare_with_r --results_directory /some/path
                                    --dataset_name Daily --num_obs 100

季节性数据（100个小时M4时间序列）

要复制此结果，请使用

python -m tsfeatures.compare_with_r --results_directory /some/path \
                                    --dataset_name Hourly --num_obs 100

作者

• 费德里科·加尔萨 - FedericoGarza
• 金·古铁雷斯 - kdgutier
• 克里斯蒂安·查卢 - cristianchallu
• 何塞·莫拉莱斯 - jose-moralez
• 里卡多·奥利瓦雷斯 - rolivaresar
• 马克斯·梅尔根特勒 - mergenthaler