temporian

tests formatting publish

Temporian是一个用于Python中时间数据安全、简单和高效预处理和特征工程的库。Temporian支持多变量时间序列、多变量时间序列、事件日志和跨源事件流。

Temporian之于时间数据，就如同Pandas之于表格数据。

主要特点

支持大多数类型的时间数据 📈：处理均匀采样和非均匀采样数据，单变量和多变量数据，平面和多索引数据，以及单源和多源非同步事件。
针对时间数据优化 🔥：Temporian的核心计算使用C++实现，并针对时间数据进行了优化。在处理时间数据时，Temporian可能比现成的数据处理库快1000倍以上。
易于整合到现有的机器学习生态系统中：Temporian不执行任何机器学习模型训练 - 相反，它可以无缝集成到任何机器学习库中，如PyTorch、Scikit-Learn、Jax、TensorFlow、XGBoost或Yggdrasil Decision Forests。
防止意外的未来数据泄露 😰：除非使用tp.leak明确指定，否则特征计算不能依赖于未来数据，从而防止意外的、难以调试的、可能代价高昂的未来数据泄露。

快速入门

安装

通过PyPI使用pip安装Temporian：

pip install temporian -U

Temporian目前可用于Linux和MacOS（ARM和Intel）。Windows支持正在开发中。

最小示例

考虑包含timestamp、store和revenue的单个销售记录。

$ cat sales.csv
timestamp,store,revenue
2023-12-04 21:21:05,STORE_31,5071
2023-11-08 17:14:38,STORE_4,1571
2023-11-29 21:44:46,STORE_49,6101
2023-12-20 18:17:14,STORE_18,4499
2023-12-15 10:55:09,STORE_2,6666
...

我们的目标是计算每个工作日（不包括周末）晚上11点每个商店的收入总和。

首先，我们加载数据并列出工作日。

import temporian as tp

# 加载销售交易
sales = tp.from_csv("sales.csv")

# 按商店索引销售
sales_per_store = sales.add_index("store")

# 列出工作日
days = sales_per_store.tick_calendar(hour=22)
work_days = (days.calendar_day_of_week() <= 5).filter()

work_days.plot(max_num_plots=1)

然后，我们汇总每个工作日和每个商店的日收入。

# 按商店和工作日汇总收入
daily_revenue = sales_per_store["revenue"].moving_sum(tp.duration.days(1), sampling=work_days).rename("daily_revenue")

# 绘制结果
daily_revenue.plot(max_num_plots=3)