时间序列建模的时间戳与时序特征衍生思路

今日锦囊

特征锦囊：时间序列建模的时间戳与时序特征衍生思路

时间序列模型在我们日常工作中应用的场景还是会很多的，比如我们去预测未来的销售单量、预测股票价格、预测期货走势、预测酒店入住等等，这也是我们必须要掌握时序建模的原因。而关于时间戳以及时序值的特征衍生，在建模过程中起到的作用是十分巨大的！之前写过一篇关于日期特征操作的文章——《关于日期特征，你想知道操作都在这儿～》，可以先回顾下，里面有关于日期特征的基础操作手法。

🚅 Index

01 时间序列数据类别简介
02 时间戳的衍生思路
03 时间戳的衍生代码分享
04 时序值的衍生思路
05 时序值的衍生代码分享

🏆 01 时间序列数据类别简介

我们就拿经典的时间序列模型来说一下，一般来说数据集里的数据，可以分为3大类。
1）Y值：我们也称之为时序值。如下表中的销量字段；
2）时间戳：标记本条记录发生时间的字段，如下表中的统计日期字段。oh，对了如果不是单时间序列的，比如数据集中记录的是多家店铺的时序数据，需要结合序列属性信息，比如店铺名称、店铺所在城市；
3）其他字段：顾名思义。
而我们今天关注的是时间戳和时序值的特征衍生。

🏆 02 时间戳的衍生思路

虽然时间戳就只有1个字段，但里面其实包含的信息量还是很多的，一般来说我们可以从下面几个角度来拆解，衍生出一系列的变量。
1）时间戳本身特征
直接使用Pandas的series提取时间戳特征，比如说哪年、哪季度、哪月、哪周、哪日、哪时、哪分、哪秒、年里的第几天、月里的第几天、周里的第几天。
2）0-1特征
一般是与真实场景结合来用，比如说工作日、周末、公众假日（春节、端午节、中秋节等）、X初、X中、X末（X代表年、季度、月、周）、特殊节日（如运营暂停、服务暂停）、日常习惯叫法（如清晨、上午、中午、下午、傍晚、夜晚、深夜、凌晨），从而可以衍生出：

• 是否工作日

• 是否春节

• 是否月初

• 是否服务期外

• 是否凌晨

• 等等等等

3）时间差特征
一般也是与真实场景结合来用，比如说工作日、周末等等，比如：

• 距离春节还有N天

• 距离周末还有N天

• 举例下月初还有N天

• 等等等等

🏆 03 时间戳的衍生代码分享

首先我们捏造一些数据，用来测试代码。

#