make_example_dataframe_list

make_example_dataframe_list(n_cases: int = 10, n_channels: int = 1, min_n_timepoints: int = 8, max_n_timepoints: int = 12, n_labels: int = 2, regression_target: bool = False, random_state: int | None = None, return_y: bool = True) → list[DataFrame] | tuple[list[DataFrame], ndarray]

随机生成用于测试的DataFrame X和numpy y列表。

生成‘df-list’格式的数据。

如果返回的是分类标签（regression_target=False），将确保每个标签至少有一个样本。

Parameters:

n_casesint

要生成的样本数量。

n_channelsint

要生成的系列通道数量。

min_n_timepointsint

为单个系列生成的最小特征数/系列长度。

max_n_timepointsint

为单个系列生成的最大特征/系列长度。

n_labelsint

要生成的唯一标签的数量。

regression_targetbool

如果为True，目标将是一个标量浮点数，否则为整数。

random_stateint or None

随机数生成的种子。

return_ybool, default = True

返回目标变量 y。

Returns:

Xlist of pd.DataFrame

随机生成的潜在不等长3D数据。

ynp.ndarray

如果 return_y 为 True，则随机生成标签。

示例

>>> from aeon.testing.data_generation import make_example_dataframe_list
>>> from aeon.utils.validation.collection import get_type
>>> data, labels = make_example_dataframe_list(
...     n_cases=2,
...     n_channels=2,
...     min_n_timepoints=4,
...     max_n_timepoints=6,
...     n_labels=2,
...     random_state=0,
... )
>>> print(data)
[          0         1
0  0.000000  1.688531
1  1.715891  1.694503
2  1.247127  0.768763
3  0.595069  0.113426,           0         1
0  2.000000  3.166900
1  2.115580  2.272178
2  3.702387  0.284144
3  0.348517  0.080874]
>>> print(labels)
[0 1]
>>> get_type(data)
'df-list'