使用tsfresh工具对时序数据进行特征提取

当我们在对时序数据进行特征提取时，常常用到的方法包括滑动平均，指数平滑等等，tsfresh可以为我们提供几十至几百个统计特征，包括时序信号的能量等等，只需要一次操作即可。

以下内容来自tsfresh的文档，先通过一个实例来认识一下这个快速有效的工具：

1. 首先加载数据

2. 看一下数据的形式

特征向量：

标签：

该数据集中每个id包含15个时间点的数据，也就是说，F_x~T_z 这6列，对于每个id都有15个数据点。

接下来并没有多余的操作，直接调用该模块中的方法进行特征抽取:

1. 抽取特征

       可以看出，调用extract_features()方法之后，返回的仍是一个dataframe，列数由原来只有几列增加到几千列。

返回的结果中，每一行表示对一个对象抽取特征后的结果，为了方便理解，我们以id=1作为说明。原来id=1的对象在F_x特征上有15个时序数据，我们将这15个数据平方求和，得到的一个值做为id=1这个对象的第一个新特征，即F_x_abs_energy；再对这15个时序数据做其他操作，比如求均值、方差等等，得到的结果依次往后排开，直到计算完最后一列T_z的特征后，属于id=1这个对象的特征向量也就生成了。id=2、id=3...同理。

2. 特征过滤

由上一步操作得到的特征中存在空值(NaN)，这些没有意义的值需要去掉，选择有用的特征进行保留。从结果可以看出，数据的维度减少了很多。

3. 特征抽取与过滤同时进行（一步到位，省去多余计算）

可以看出结果与分两步进行的结果是一致的。

以上就是tsfresh的简单应用，下次补上输入数据形式以及参数的含义。