几行 Python 代码就可以提取数百个时间序列特征

python的tsfresh包可以为时间序列数据生成标准的数百个通用特性。在本文中，我们将深入讨论tsfresh包的使用。

tsfresh 是一个可以生成数百个相关的时间序列特征的开源包。 从 tsfresh 生成的特征可用于解决分类、预测和异常值检测用例。

tsfresh 包提供了对时间序列数据执行特征工程的各种功能，包括：

• 特征生成
• 特征选择
• 与大数据的兼容性

安装tsfresh 也非常的简单，官方提供了pip和conda的安装方式：

pip install -U tsfresh# orconda install -c conda-forge tsfresh

1、特征生成

tsfresh 包提供了一个自动特征生成 API，可以从 1 个时间序列变量中生成 750 多个相关特征。 生成的特征广泛，包括：

• 描述性统计（平均值、最大值、相关性等）
• 基于物理的非线性和复杂性指标
• 数字信号处理相关功能
• 历史压缩特征

使用 tsfresh.extract_features() 函数可以为 1 个时间序列变量从多个域生成 789 个特征。

import pandas as pdfrom tsfresh import select_features# Read the time-series datadf = pd.read_excel("train.xlsx", parse_dates=['date']).set_index('date')# automated feature generationfeatures = tsfresh.extract_features(df, column_id="date", column_sort="date")

因为特征太多，所以具体的所有特征的介绍请查看官方文档。

2、特征选择

tsfresh 包还提供了一个基于假设检验的特征选择实现，可以用于识别目标变量的相关特征。 为了限制不相关特征的数量，tsfresh 包含了fresh算法（fresh 代表基于可扩展假设测试的特征提取）。

tsfresh.select_features() 函数用户可以实现特征选择。

3、兼容大数据

当我们有大量的时间序列数据时。tsfresh还提供api来扩展特征的生成/提取，以及针对大量数据的特征选择实现:

• 多线程处理:默认tsfresh包可以将特征生成/提取和特征选择在多核上并行执行。
• 分布式框架：tsfresh还实现了一个自己的分布式框架，将特征计算分布在多台机器上加快计算速度。
• Spark兼容：tsfresh还可以使用spark或Dask来处理非常大的数据。

最后总结，tsfresh可以通过几行Python代码中为时间序列特性生成和选择相关特性。它会自动从基于时间的数据样本的多个域中提取和选择 750 +个经过实际测试的特征。 它减少了数据科学家浪费在特征工程上的大量工作时间。

并且时间序列数据是相当大的，tsfresh 也通过多线程、支持dask和spark来处理单机处理不了的大数据样本。