Readme_chn.md

1. 安装环境

• 创建conda环境, 相关环境为：python 3.8，R 4.3.1

conda create -n char_extractor python=3.8 r-base=4.3.1
conda activate char_extractor

• 设置 R 语言的环境变量：

export R_HOME=$CONDA_PREFIX/lib/R
export PATH=$PATH:$R_HOME/bin

• 安装必要的 R 包

conda install -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge r-tidyverse r-Rcatch22 r-forecast r-tsfeatures -y

• 安装必要的Python包

pip install rpy2==3.5.16 pandas==1.5.3 scipy==1.10.1 numpy==1.24.4 statsmodels==0.14.1 scikit_learn==1.3.2

2. 输入

• 数据格式

输入的数据格式需要是TFB，支持的3列长表的格式，具体请见这里.

• 输入格式

  • 支持输入指定一个时间序列文件的路径，会计算该时间序列的特征，例如./DemoDatasets/Exchange.csv.

  • 支持输入指定文件夹路径，会遍历计算文件夹内所有时间序列文件的时间序列特征, 例如./DemoDatasets.

3. 输出

• 输出的格式

  • 对于单变量时间序列文件而言，例如输入的文件名为: m4_hourly_dataset_69.csv，会在用户指定的输出文件夹下（默认为characteristics文件夹）输出2个对应文件

    • All_characteristics_m4_hourly_dataset_69.csv: 包含本代码内计算的所有时间序列特征

    • TFB_characteristics_m4_hourly_dataset_69.csv: 包含TFB论文内使用的时间序列特征

  • 对于多变量时间序列文件而言，例如输入的文件名为: Exchange.csv，会在用户指定的输出文件夹下（默认为characteristics文件夹）输出4个对应文件

    • All_characteristics_Exchange.csv: 包含本代码内计算的所有时间序列特征, 每一行代表多变量中的一个变量对应的时间序列特征

    • TFB_characteristics_Exchange.csv: 包含TFB论文内使用的时间序列特征, 每一行代表多变量中的一个变量对应的时间序列特征

    • mean_All_characteristics_Exchange.csv: 包含本代码内计算的所有时间序列特征, 将多变量中所有变量对应的每一个时间序列特征求均值

    • mean_TFB_characteristics_Exchange.csv: 包含TFB论文内使用的时间序列特征, 将多变量中所有变量对应的每一个时间序列特征求均值

4. TFB特征介绍

详情请见这里.

5. 代码文件

点击这里看代码.