temporian下載 - temporian原始碼下載

temporian

C/C++

v0.9.0

下載

Temporian是一個用於 Python 中安全、簡單、高效的時態資料預處理和特徵工程的函式庫。 Temporian 支援多元時間序列、多元時間序列、事件日誌和跨來源事件流。

Temporian 之於時間資料就像 Pandas 之於表格資料一樣。

主要特點

支援大多數類型的時態資料？
針對時態資料進行最佳化：Temporian 的核心計算是用 C++ 實現的，並針對時態資料進行了最佳化。在處理時態資料時，Temporian 的速度比現成的資料處理庫快 1,000 倍以上。
易於整合到現有的 ML 生態系統中：Temporian 不執行任何 ML 模型訓練，而是與任何 ML 庫無縫集成，例如 PyTorch、Scikit-Learn、Jax、TensorFlow、XGBoost 或 Yggdrasil Decision Forests。
防止不必要的未來洩漏tp.leak

快速入門

安裝

使用pip從 PyPI 安裝 Temporian：

pip install temporian -U

Temporian 目前可用於 Linux 和 MacOS（ARM 和 Intel）。 Windows 支援正在開發中。

最小的例子

考慮包含單一銷售的timestamp 、 store和revenue的銷售記錄。

$ 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
...

我們的目標是計算每個工作日晚上 11 點（不包括週末）每家商店的收入總和。

首先，我們載入資料並列出工作日。

 import temporian as tp

# Load sale transactions
sales = tp . from_csv ( "sales.csv" )

# Index sales per store
sales_per_store = sales . add_index ( "store" )

# List work days
days = sales_per_store . tick_calendar ( hour = 22 )
work_days = ( days . calendar_day_of_week () <= 5 ). filter ()

work_days . plot ( max_num_plots = 1 )

然後，我們將每個工作日和每個商店的每日收入相加。

 # Aggregate revenue per store and per work day
daily_revenue = sales_per_store [ "revenue" ]. moving_sum ( tp . duration . days ( 1 ), sampling = work_days ). rename ( "daily_revenue" )

# Plot the results
daily_revenue . plot ( max_num_plots = 3 )