tslearn.utils

tslearn.utils 模块包含各种实用工具。

通用函数

to_time_series(ts[, remove_nans, be])	将时间序列转换为适合tslearn模型使用的格式。
to_time_series_dataset(dataset[, dtype, be])	将时间序列数据集转换为适合tslearn模型使用的格式。
to_sklearn_dataset(dataset[, dtype, return_dim])	将时间序列数据集转换为适合sklearn估计器使用的格式。
ts_size(ts[, be])	返回实际的时间序列大小。
ts_zeros(sz[, d])	返回一个由零值组成的时间序列。
load_time_series_txt(fname)	从磁盘加载时间序列数据集。
save_time_series_txt(fname, dataset[, fmt])	将时间序列数据集写入磁盘。
check_equal_size(dataset[, be])	检查数据集中的所有时间序列是否具有相同的大小。
check_dims(X[, X_fit_dims, extend, ...])	如果X是二维的且extend为True，则将X重塑为X.shape[0]个长度为X.shape[1]的单变量时间序列的三维数组。

转换函数

为了标准Python时间序列包之间的互操作性，提供了以下函数。它们允许在tslearn格式和其他库的格式之间进行转换。

to_pyts_dataset(X)	将兼容tslearn的数据集转换为pyts数据集。
from_pyts_dataset(X)	将pyts兼容的数据集转换为tslearn数据集。
to_sktime_dataset(X)	将兼容tslearn的数据集转换为sktime数据集。
from_sktime_dataset(X)	将兼容sktime的数据集转换为tslearn数据集。
to_cesium_dataset(X)	将兼容tslearn的数据集转换为cesium数据集。
from_cesium_dataset(X)	将兼容cesium的数据集转换为tslearn数据集。
to_seglearn_dataset(X)	将兼容tslearn的数据集转换为seglearn数据集。
from_seglearn_dataset(X)	将兼容seglearn的数据集转换为tslearn数据集。
to_tsfresh_dataset(X)	将兼容tslearn的数据集转换为tsfresh数据集。
from_tsfresh_dataset(X)	将tsfresh兼容的数据集转换为tslearn数据集。
to_stumpy_dataset(X)	将兼容tslearn的数据集转换为stumpy数据集。
from_stumpy_dataset(X)	将兼容stumpy的数据集转换为tslearn数据集。
to_pyflux_dataset(X)	将兼容tslearn的数据集转换为pyflux数据集。
from_pyflux_dataset(X)	将兼容pyflux的数据集转换为tslearn数据集。