特征錦囊：時間序列建模的時間戳與時序特征衍生思路

時間序列模型在我們日常工作中應用的場景還是會很多的，比如我們去預測未來的銷售單量、預測股票價格、預測期貨走勢、預測酒店入住等等，這也是我們必須要掌握時序建模的原因。而關于時間戳以及時序值的特征衍生，在建模過程中起到的作用是十分巨大的！之前寫過一篇關于日期特征操作的文章——《關于日期特征，你想知道操作都在這兒～》，可以先回顧下，里面有關于日期特征的基礎操作手法。

🚅 Index

01 時間序列數據類別簡介
02 時間戳的衍生思路
03 時間戳的衍生代碼分享
04 時序值的衍生思路
05 時序值的衍生代碼分享

🏆 01 時間序列數據類別簡介

我們就拿經典的時間序列模型來說一下，一般來說數據集里的數據，可以分為3大類。
1）Y值：我們也稱之為時序值。如下表中的銷量字段；
2）時間戳：標記本條記錄發生時間的字段，如下表中的統計日期字段。oh，對了如果不是單時間序列的，比如數據集中記錄的是多家店鋪的時序數據，需要結合序列屬性信息，比如店鋪名稱、店鋪所在城市；
3）其他字段：顧名思義。
而我們今天關注的是時間戳和時序值的特征衍生。

🏆 02 時間戳的衍生思路

雖然時間戳就只有1個字段，但里面其實包含的信息量還是很多的，一般來說我們可以從下面幾個角度來拆解，衍生出一系列的變量。
1）時間戳本身特征
直接使用Pandas的series提取時間戳特征，比如說哪年、哪季度、哪月、哪周、哪日、哪時、哪分、哪秒、年里的第幾天、月里的第幾天、周里的第幾天。
2）0-1特征
一般是與真實場景結合來用，比如說工作日、周末、公眾假日（春節、端午節、中秋節等）、X初、X中、X末（X代表年、季度、月、周）、特殊節日（如運營暫停、服務暫停）、日常習慣叫法（如清晨、上午、中午、下午、傍晚、夜晚、深夜、凌晨），從而可以衍生出：

• 是否工作日

• 是否春節

• 是否月初

• 是否服務期外

• 是否凌晨

• 等等等等

3）時間差特征
一般也是與真實場景結合來用，比如說工作日、周末等等，比如：

• 距離春節還有N天

• 距離周末還有N天

• 舉例下月初還有N天

• 等等等等

🏆 03 時間戳的衍生代碼分享

首先我們捏造一些數據，用來測試代碼。

#?導入相關庫包 import?pandas?as?pd import?numpy?as?np import?datetime import?time import?random from?calendar?import?monthrange?#?捏造數據 df?=?pd.DataFrame([['零售店01',?'2021-10-01',?'2021-10-01?11:47:34',?'1993-11-03',?'深圳',?100],['零售店01',?'2021-10-02',?'2021-10-02?12:47:34',?'1993-11-04',?'深圳',?120],['零售店01',?'2021-10-03',?'2021-10-03?11:47:34',?'1993-10-03',?'深圳',?140],['零售店01',?'2021-10-04',?'2021-10-04?08:47:34',?'1993-02-03',?'深圳',?170],['零售店01',?'2021-10-05',?'2021-10-05?11:47:34',?'1993-02-03',?'深圳',?190],['零售店01',?'2021-10-06',?'2021-10-06?15:47:34',?'1993-04-03',?'深圳',?10],['零售店01',?'2021-10-07',?'2021-10-07?17:47:34',?'1993-02-03',?'深圳',?20],['零售店01',?'2021-10-08',?'2021-10-08?19:47:34',?'1993-06-03',?'深圳',?420],['零售店01',?'2021-10-09',?'2021-10-09?11:47:34',?'1993-03-03',?'深圳',?230],['零售店01',?'2021-10-10',?'2021-10-10?20:47:34',?'1993-02-20',?'深圳',?80]],columns=['店鋪名稱',?'統計日期',?'大促開始時間',?'店長出生日期',?'店鋪所在城市',?'銷量']) df.head()

1）時間戳本身特征
這個就是提取datetime本身的實體特征，利用Pandas的Series方法即可。

#?原先屬于字符串，轉datetime df['datetime64']?=?pd.to_datetime(df['統計日期']) df['year']?=?df['datetime64'].dt.year df['quarter']?=?df['datetime64'].dt.quarter df['month']?=?df['datetime64'].dt.month df['week']?=?df['datetime64'].dt.week df['day']?=?df['datetime64'].dt.day df['hour']?=?df['datetime64'].dt.hour df['minute']?=?df['datetime64'].dt.minute df['second']?=?df['datetime64'].dt.second df['weekday']?=?df['datetime64'].dt.weekday df['weekofyear']?=?df['datetime64'].dt.weekofyear df['dayofyear']?=?df['datetime64'].dt.dayofyear df['dayofweek']?=?df['datetime64'].dt.dayofweek

2）0-1特征
這里我們需要引入一些關于真實場景的日期來結合著判斷是否。

df['is_work_day']?=?np.where(df['dayofweek'].isin([5,6]),?0,?1)?#?是否工作日 df['is_month_start']?=?np.where(df['datetime64'].dt.is_month_start,?1,?0) df['is_month_end']?=?np.where(df['datetime64'].dt.is_month_end,?1,?0)#?特殊日子/公眾假日 special_day?=?['2021-10-01','2021-10-02'] df['is_special_day']?=?np.where(df['統計日期'].isin(special_day),?1,?0)#?是否凌晨 df['is_before_dawn']?=?np.where(df['hour'].isin([0,1,2,3]),?1,?0)

3）時間差特征

#?獲取前一天日期 df['yesterday']?=?df['datetime64']?-?datetime.timedelta(days=1) #?日期差計算(天) df['day_dif']?=?(df['datetime64']?-?df['yesterday']).dt.days #?日期差計算(小時) df['hour_dif']?=?(df['datetime64']?-?df['yesterday']).values/np.timedelta64(1,?'h')?#?換成?D?則為?天

🏆 04 時序值的衍生思路

本例中的時序值是銷量字段，一般我們在對時序值進行操作前，需要對數據的時序進行排序和補全，然后才開始操作，時序值的特征衍生主要有幾個角度。
1）時間滑動窗口統計
基于某段時間窗，統計數據情況，也叫做Rolling Window Statistics，統計的方式一般有min/max/mean/median/std/sum等，比如我們選擇滑動窗口為7天，那么可以衍生的變量分別是：過去7天內銷量最小值/最大值/均值/中位數/方差/之和。
在使用此類特征的時候，要注意一下多步預測的問題。

2）lag滯后值
lag可以理解為向前滑動時間，比如lag1表示向前滑動1天，即取T-1的時序值作為當前時序的變量。

🏆 05 時序值的衍生代碼分享

1）時間滑動窗口統計
因為方法叫做Rolling Window Statistics，所以代碼里關于這塊的實現也有1個叫rolling的方法，這個方法在時序建模中很好用，后面單獨一篇文章講下。

df?=?df.loc[:,['店鋪名稱',?'統計日期','銷量']] df['date']?=?pd.to_datetime(df['統計日期'])#?時序值特征衍生前記得排序 df.sort_values(['店鋪名稱',?'統計日期'],?ascending=[True,True],?inplace=True)#?衍生時間滑動窗口統計變量 f_min?=?lambda?x:?x.rolling(window=3,?min_periods=1).min() f_max?=?lambda?x:?x.rolling(window=3,?min_periods=1).max() f_mean?=?lambda?x:?x.rolling(window=3,?min_periods=1).mean() f_std?=?lambda?x:?x.rolling(window=3,?min_periods=1).std() f_median=lambda?x:?x.rolling(window=3,?min_periods=1).median() function_list?=?[f_min,?f_max,?f_mean,?f_std,f_median] function_name?=?['min',?'max',?'mean',?'std','median'] for?i?in?range(len(function_list)):df[('stat_%s'?%?function_name[i])]?=?df.sort_values('統計日期',?ascending=True).groupby(['店鋪名稱'])['銷量'].apply(function_list[i])

2）lag滯后值

#?衍生lag變量 for?i?in?[1,2,3]:df["lag_{}".format(i)]?=?df['銷量'].shift(i)

📚 Reference

[1] 一度讓我懷疑人生的時間戳特征處理技巧。
https://mp.weixin.qq.com/s/dUdGhWY8l77f1TiPsnjMQA
[2] 時間序列樹模型特征工程匯總
https://blog.csdn.net/fitzgerald0/article/details/104029842
[3] 時間序列的多步預測方法總結
https://zhuanlan.zhihu.com/p/390093091
[4] 時間序列數據的特征工程總結
https://zhuanlan.zhihu.com/p/388551117
[5] Pandas Series dt
https://pandas.pydata.org/docs/reference/api/pandas.Series.dt.date.html

往期精彩回顧適合初學者入門人工智能的路線及資料下載(圖文+視頻)機器學習入門系列下載中國大學慕課《機器學習》（黃海廣主講）機器學習及深度學習筆記等資料打印《統計學習方法》的代碼復現專輯 AI基礎下載機器學習交流qq群955171419，加入微信群請掃碼：

總結

以上是生活随笔為你收集整理的【时间序列】时间序列建模的时间戳与时序特征衍生思路的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。