如何使用tsfresh python包从时间序列数据中提取特征？

我有一个列表，其中每个列表代表一个时间序列：

tsli=[[43,65,23,765,233,455,7,32,57,78,4,32],[34,32,565,87,23,86,32,56,32,57,78,32],[87,43,12,46,32,46,13,23,6,90,67,8],[1,2,3,3,4,5,6,7,8,9,0,9],[12,34,56,76,34,12,45,67,34,21,12,22]]

我想使用tsfresh软件包从该数据集中提取功能，代码如下：

import tsfresh
tf=tsfresh.extract_features(tsli)

当我运行它时，我得到的值错误是：

> ValueError: You have to set the column_id which contains the ids of the different time series
But i don't know how to deal with this and how to define column id for this problem.

编辑1: 正如建议的那样，我尝试将数据集转换为数据，然后尝试：

import tsfresh
df=pd.DataFrame(tsli)
tf=tsfresh.extract_features(df)

但数值误差是相同的

> ValueError: You have to set the column_id which contains the ids of the different time series

任何资源或参考资料都会有所帮助

---

谢谢

首先，您必须将

列表

转换为

数据帧

，其中每个时间序列都有一个唯一的id，例如

df = pd.DataFrame()
for i, ts in enumerate(tsli):
    data = [[x, i] for x in ts]
    df = df.append(data, ignore_index=True)
df.columns = ['value', 'id']

现在，您可以对创建的列使用tsfresh和

列\u id

参数：

tf=tsfresh.extract_features(df, column_id='id')


>> Feature Extraction: 100%|██████████| 5/5 [00:00<00:00, 36.83it/s]

tf=tsfresh.extract_特征（df，column_id='id'）
>>特征提取：100%|██████████| 5/5[00:00Tsfresh似乎使用数据帧作为数据格式，而不是列表。因此，即使我将其转换为df，那么如何为此设置列id？我有一个困惑，为什么我们有从0到59的索引，它是否将所有时间序列作为单个时间序列？感谢您的解决方案。欢迎：-）是的，tsfresh需要将所有时间序列都转换为“叠加为单个时间序列”，并由id（因此为列）分隔。这是因为如果您想进行多变量时间序列分析，您仍然可以使用矩阵/2D数据帧。您可以忽略索引。顺便说一句，谢谢，这非常有帮助：）