详细内容或原文请订阅后点击阅览
使用 Python Itertools 进行时间序列特征工程
Learn how to use Python itertools to build efficient and scalable time series features.
来源:KDnuggets简介
时间序列特征工程不遵循与表格数据相同的规则。观察不是独立的，行顺序不是偶然的，最有用的功能很少是单独的读数。您必须识别随时间变化的模式，例如变化率、滞后比较、与滚动基线的偏差等等。
构建滞后、滑动窗口和跨分辨率分组的核心都是有序序列上的迭代问题。Python 的 itertools 模块非常适合此类工作。它不会取代 .rolling() 等高级 pandas 抽象，但它为您提供了较低级别的构建块来准确构建您需要的功能，并完全控制逻辑。
在本文中，您将使用 itertools 构建七类时间序列特征。您还将将每个应用到示例数据集。
您可以在 GitHub 上获取代码。
创建示例数据集
在开始构建功能之前，让我们启动一个示例传感器数据集以在整篇文章中使用。
输出：
温度_c 湿度_pct 功率_kw
时间戳
2024-03-01 00:00:00 3.649 77.39 40.27
2024-03-01 01:00:00 3.772 76.52 41.33
2024-03-01 02:00:00 4.300 75.25 42.87
2024-03-01 03:00:00 4.814 74.26 40.82
2024-03-01 04:00:00 4.481 75.85 40.27