将时间序列数据转换为适当的时间步长答案

【问题标题】：Convert a time series data to proper time steps将时间序列数据转换为适当的时间步长
【发布时间】：2023-03-20 14:22:01
【问题描述】：

我有一个包含 20331 行和 6 列的数据集。它基于每小时采样的时间序列数据。我想将其转换为类似于 [samples, timesteps, features] 的格式。

我尝试了以下代码：

train.reshape((20331, 30, 6))

生成的样本应该有 30 个时间步长和每个样本中的 6 个特征。

但我得到了一个错误：

ValueError: 无法将大小为 121986 的数组重新整形为形状 (20331,30,6)

在进行整形之前我需要做任何预处理吗？

【问题讨论】：

【解决方案1】：

您无法使用numpy.reshape 创建数据。它仅用于重塑基础数据。

因此，在您的情况下，您从 20'331 * 6 = 121'986 个数据点开始，并且希望将它们排列成 (20'331 * 30 * 6) = 3'659'580 个数据点，即 30比你开始时多几倍。

您的二维数据应该是什么？考虑一下。 Numpy 无法凭空创建数据。

编辑：

如果你想拥有 30 个数据点的切片，你可以这样做：

bs = 30 # your chosen batch-size
tail = len(train) % bs # the leftover for the last batch
train_crop = train[:-tail].reshape((-1, bs, 6))

最后一行将丢弃最后的项目，因此您的长度可以被批量大小整除。你重塑的形状在最后一个特征维度是6，在第二维度是bs，在第一维度是-1，这让pytorch自己计算出大小。

【讨论】：

感谢您的帮助。如何将我拥有的数据重塑为合适的大小，形状 -> [samples, timesteps, features]？我总共有 6 个特征，我希望有 30 个时间步长。
您有 20'331 个连续数据点。如果你想要 30 个切片，你会得到 677 个切片和 21 个剩余数据点。
感谢 Dorian，现在对我来说很有意义。