时间序列变换

The sktime.transformations 模块包含用于数据转换的类。

所有 sktime 中的（简单）转换器可以使用 sktime.registry.all_estimators 工具列出，使用 estimator_types="transformer"，并可选择通过标签进行过滤。有效标签可以使用 sktime.registry.all_tags 列出。

基于标签的完整表格也可以在 Estimator 搜索页面 上找到（在“Estimator 类型”下拉菜单中选择“transformere”）。

对于成对变换器（时间序列距离、核），请参见 _transformations_pairwise_ref。

变换分为以下几类：

类别	解释	示例
组合	管道的构建块，包装器，适配器	Transformer 管道
系列到特征	将系列转换为浮点数/类别向量	长度和平均值
Series-to-series	将单个序列转换为序列	差分，去趋势
系列-面板	将系列转换为面板	Bootstrap, 滑动窗口
面板变换	面板转换为面板，不是按系列	填充至等长
层次结构	非平凡地使用层次结构信息	Reconciliation

组合

管道构建 - 结构

TransformerPipeline(steps)	变压器合成器的管道。
FeatureUnion(transformer_list[, n_jobs, ...])	连接多个转换器对象的结果。
ColumnEnsembleTransformer(transformers[, ...])	按列应用变换器。
FitInTransform(transformer[, ...])	Transformer 包装器，延迟到转换阶段进行拟合。
InvertTransform(transformer)	反转一个序列到序列的变换。
YtoX([subset_index])	创建外生特征，这些特征是内生数据的副本。
IxToX([coerce_to_type, level, ix_source])	基于时间索引或层次结构值创建特征。

管道构建 - 广播和应用映射

ColumnwiseTransformer(transformer[, columns])	对多变量序列按列应用变换器。
TransformByLevel(transformer[, groupby, ...])	通过实例或面板进行转换。

FunctionTransformer([func, inverse_func, ...])

从任意可调用对象构建一个转换器。

流水线构建 - AutoML、开关和多路复用

MultiplexTransformer(transformers[, ...])	促进基于AutoML的最佳转换器选择。
OptionalPassthrough(transformer[, passthrough])	包装一个现有的转换器以调整是否将其包含在管道中。
TransformIf(if_estimator[, param, ...])	在给定可拟合对象的条件时，有条件地执行转换器。
Id()	身份变换器，在 transform/inverse_transform 中返回数据不变。

流水线构建 - 日志记录

Logger([logger, logger_backend, ...])

日志记录转换器，将数据写入日志，其他情况下保持不变。

Sklearn 和 pandas 适配器

Tabularizer()	一个将时间序列/面板数据转换为表格数据的转换器。
TimeBinner(idx[, aggfunc])	基于时间间隔将时间序列/面板数据转换为表格数据。

TabularToSeriesAdaptor(transformer[, ...])	将 scikit-learn 转换接口适应于时间序列设置。
PandasTransformAdaptor(method[, kwargs, ...])	将 pandas 转换适应 sktime 接口。

序列到特征转换器

序列到特征转换器将单个时间序列转换为一组基本特征。基本特征通常是一个浮点数向量，但也可以是分类的。

当应用于面板或层次数据时，转换结果是一个表格，其行数与集合中的时间序列数量相同。

总结

这些转换器提取简单的摘要特征。

SummaryTransformer([summary_function, ...])	计算时间序列的汇总值。
WindowSummarizer([lag_feature, n_jobs, ...])	用于提取时间序列特征的转换器。
SplitterSummarizer(transformer[, splitter, ...])	创建时间序列分割的汇总值。

DerivativeSlopeTransformer()	导数斜率变换器。
PlateauFinder([value, min_length])	高原查找器转换器。
RandomIntervalFeatureExtractor([...])	随机区间特征提取器变换。
FittedParamExtractor(forecaster, param_names)	拟合参数提取器。

ADICVTransformer([features, adi_threshold, ...])

在Syntetos/Boylan之后，Transformer将系列分类为ADI-CV2类别。

形状基元、小波和卷积

ShapeletTransform([min_shapelet_length, ...])	Shapelet 变换。
RandomShapeletTransform([...])	随机形状变换。
ShapeletTransformPyts([n_shapelets, ...])	Shapelet Transform，来自 pyts。

Rocket([num_kernels, normalise, n_jobs, ...])	随机卷积核变换 (ROCKET)。
MiniRocket([num_kernels, ...])	最小随机卷积核变换 (MiniRocket)。
MiniRocketMultivariate([num_kernels, ...])	MINImally RandOm Convolutional KErnel Transform (MiniRocket) 多元变量。
MiniRocketMultivariateVariable([...])	MINIROCKET (多变量, 不等长)。

DWTTransformer([num_levels])

离散小波变换变换器。

基于距离的特征

MatrixProfile([m])

返回数据集中每个时间序列的矩阵轮廓和索引轮廓。

基于字典的特性

SFA([word_length, alphabet_size, ...])

符号傅里叶近似 (SFA) 变换器。

基于自相关的特征

HurstExponentTransformer([lags, method, ...])

用于计算时间序列的赫斯特指数的转换器。

基于矩的特征

SignatureTransformer([augmentation_list, ...])

从签名方法的转换类。

特征集合

这些转换器提取更大的特征集合。

TSFreshRelevantFeatureExtractor([...])	通过 tsfresh.extract_features 提取时间序列特征的转换器。
TSFreshFeatureExtractor([...])	通过 tsfresh.extract_features 提取时间序列特征的转换器。

Catch22([features, catch24, outlier_norm, ...])

规范时间序列特征 (Catch22)。

Catch22Wrapper([features, catch24, ...])

标准时间序列特征 (Catch22 和 24)，使用 pycatch22 包。

序列到序列的变压器

序列到序列的转换器将单个时间序列转换为另一个时间序列。

当应用于面板或层次数据时，各个系列会被转换。

滞后

Lag([lags, freq, index_out, ...])	滞后变压器。
ReducerTransform([lags, freq, shifted_vars, ...])	用于预测减少的转换器。

逐元素转换

这些变换按元素应用函数。

根据变换器，变换参数可以被拟合。

BoxCoxTransformer([bounds, method, sp, ...])	Box-Cox 幂变换。
LogTransformer([offset, scale])	自然对数变换。

ScaledLogitTransformer([lower_bound, ...])

缩放对数变换或对数变换。

CosineTransformer()

余弦变换。

ExponentTransformer([power, offset])	对时间序列应用逐元素指数变换。
SqrtTransformer([offset])	对时间序列应用逐元素平方根变换。

ScaledAsinhTransformer([...])

双曲正弦变换及其逆变换 [Rf00c2e2051c3-1]。

去趋势化和分解

Detrender([forecaster, model])	从一个序列中移除一个 趋势。
Deseasonalizer([sp, model])	从时间序列中移除季节性成分。
ConditionalDeseasonalizer([...])	根据季节性测试，从时间序列中移除季节性成分。
STLTransformer([sp, seasonal, trend, ...])	使用 STL 从时间序列中去除季节性成分。
MSTL(*[, periods, windows, lmbda, iterate, ...])	使用LOESS进行多季节性的季节趋势分解。

VmdTransformer([K, kMax, alpha, tau, DC, ...])

变分模式分解变换器。

ClearSky([quantile_prob, bw_diurnal, ...])

用于太阳能数据的晴空变换器。

过滤和去噪

Filter(sfreq[, l_freq, h_freq, filter_kwargs])

过滤 Series 数据的 Transformer。

BKFilter([low, high, K])

使用 Baxter-King 过滤器过滤时间序列。

CFFilter([low, high, drift])

使用Christiano Fitzgerald滤波器过滤时间序列。

HPFilter([lamb])

使用 Hodrick-Prescott 滤波器过滤时间序列。

KalmanFilterTransformerPK(state_dim[, ...])	卡尔曼滤波器，来自 pykalman（sktime 原生维护分支）。
KalmanFilterTransformerFP(state_dim[, ...])	卡尔曼滤波器用于去噪或推断给定数据的隐藏状态。

ThetaLinesTransformer([theta])

将原始数据分解为两条或更多 Theta-线。

Bollinger(window[, k, memory])

将布林带应用于时间序列。

差分，斜率，运动学

Differencer([lags, na_handling, memory])

对时间序列应用迭代差异。

SlopeTransformer([num_intervals])

分段斜率变换。

KinematicFeatures([features])

运动特征变换器 - 速度、加速度、曲率。

分箱、采样和分割

TimeBinAggregate(bins[, aggfunc, return_index])

对时间序列进行分箱并按箱聚合。

TSInterpolator(length)

时间序列插值器/重采样器。

IntervalSegmenter([intervals])	区间分割变换器。
RandomIntervalSegmenter([n_intervals, ...])	随机区间分割器转换器。

DilationMappingTransformer([dilation])

膨胀映射变换器。

PAA([frames, frame_size])

分段聚合近似变换器 (PAA)。

SAX([word_size, alphabet_size, frame_size])

符号聚合近似变换器 (SAX)。

PAAlegacy([num_intervals])	分段聚合近似变换器 (PAA)。
SAXlegacy([word_length, alphabet_size, ...])	符号聚合近似 (SAX) 转换器。

缺失值处理

Imputer([method, random_state, value, ...])

缺失值插补。

DropNA([axis, how, thresh, remember])

删除缺失值转换。

季节性和日期时间特征

DateTimeFeatures([ts_freq, feature_scope, ...])

日期时间特征提取，例如，用于作为预测中的外生数据。

HolidayFeatures(calendar[, holiday_windows, ...])	假期特征提取。
CountryHolidaysTransformer(country[, ...])	国家假日转换器。
FinancialHolidaysTransformer(market[, ...])	金融假日转换器。

TimeSince([start, to_numeric, freq, ...])

计算时间索引与参考起始时间之间的时间差，逐元素进行。

FourierFeatures(sp_list, fourier_terms_list)

傅里叶特征用于时间序列的季节性。

FourierTransform()

时间序列的简单傅里叶变换。

PeakTimeFeature([ts_freq, peak_hour_start, ...])

PeakTime feature extraction for use in e.g.

自相关序列

AutoCorrelationTransformer([adjusted, ...])	自相关变换器。
PartialAutoCorrelationTransformer([n_lags, ...])	部分自相关变换器。

基于窗口的系列变换

这些转换器基于一系列滑动窗口创建一个序列。

MatrixProfileTransformer([window_length])

计算时间序列的矩阵轮廓。

HOG1DTransformer([num_intervals, num_bins, ...])

HOG1D 变换。

SubsequenceExtractionTransformer(...[, ...])

基于滚动聚合提取指定长度的连续子序列。

多元到一元

这些转换器将多元序列转换为一元序列。

ColumnConcatenator()

将多变量序列连接成长单变量序列。

增强

InvertAugmenter()	通过将时间序列乘以 -1 来反转时间序列的增强器。
RandomSamplesAugmenter([n, ...])	从时间序列中随机抽取样本。
ReverseAugmenter()	增强器反转时间序列。
WhiteNoiseAugmenter([scale, random_state])	Augmenter adding Gaussian (i.e.

特征选择

这些转换器根据 y 选择 X 中的特征。

FeatureSelection([method, n_columns, ...])

选择外生特征。

ElbowClassSum([distance])	Elbow Class Sum (ECS) 转换器用于选择通道/变量的子集。
ElbowClassPairwise()	Elbow Class Pairwise (ECP) 转换器用于选择通道的子集。

子集时间点和变量

这些转换器通过时间点（pandas 索引或索引级别）或变量（pandas 列）对 X 进行子集划分。

ColumnSelect([columns, integer_treatment, ...])	列选择转换器。
IndexSubset([index_treatment])	索引子集转换器。

其他框架的适配器

通用框架适配器，用于在 sktime 接口中暴露其他框架。

TemporianTransformer(function[, compile])

将 Temporian 函数应用于输入的时间序列。

面板变压器

面板转换器将一个时间序列面板转换为另一个时间序列面板。

面板变压器是安装在整个面板上，而不是按系列安装。

等长变换

这些转换确保面板中的所有系列具有相同的长度

PaddingTransformer([pad_length, fill_value])

将不等长的时间序列填充为等长的固定长度。

TruncationTransformer([lower, upper])

在较低/较高长度范围内截断不等长面板。

降维

PCATransformer([n_components, copy, whiten, ...])

应用于时间序列面板的主成分分析。

Series-to-Panel 转换器

这些转换器从单一系列创建一个面板。

Bootstrap 转换

MovingBlockBootstrapTransformer([n_series, ...])	用于合成时间序列生成的移动块自助法。
SplitterBootstrapTransformer([splitter, ...])	基于分割器的合成时间序列生成自举方法。
STLBootstrapTransformer([n_series, sp, ...])	创建一组相似的时间序列。

面板到序列的转换器

这些转换器从面板中创建一个单一序列。

Merger([method, stride])

聚合包含一个时间序列重叠窗口的面板数据。

异常检测，变化点检测

HampelFilter([window_length, n_sigma, k, ...])

使用 HampelFilter 基于滑动窗口检测异常值。

ClaSPTransformer([window_length, ...])

ClaSP (分类评分概况) 转换器。

层次化变压器

这些转换器专门用于层次数据和面板数据。

转换依赖于指定的层次结构，这种方式并非简单直接。

Aggregator([flatten_single_levels])

从底层准备分层数据，包括聚合级别。

Reconciler([method])

层次化协调变换器。