smilegeng/ETDataset-ett

ETT (Electricity Transformer Temperature) — TsFile 格式

本仓库是 ETT (Electricity Transformer Temperature) 数据集转换为 Apache TsFile 格式的版本。

• 原始数据集（HuggingFace）：ETDataset/ett
• 原始数据来源（GitHub）：zhouhaoyi/ETDataset
• 论文：Haoyi Zhou et al., Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting, AAAI 2021. arXiv:2012.07436
• 许可证：CC-BY-4.0

数据集简介

ETT 记录了中国两个地区的电力变压器在两年内的运行数据，是长序列时间序列预测（LSTF）的常用基准。每个数据点包含目标值 油温（Oil Temperature, OT） 和 6 个电力负载特征。原始数据按两种采样频率提供（每小时 / 每 15 分钟），共 4 个序列文件：

文件	地区	采样频率	行数	时间跨度
data/ETTh1.tsfile	地区 1	每小时	17,420	2016-07-01 ~ 2018-06-26
data/ETTh2.tsfile	地区 2	每小时	17,420	2016-07-01 ~ 2018-06-26
data/ETTm1.tsfile	地区 1	每 15 分钟	69,680	2016-07-01 ~ 2018-06-26
data/ETTm2.tsfile	地区 2	每 15 分钟	69,680	2016-07-01 ~ 2018-06-26

列含义

列名	含义	类型
Time	时间戳（INT64，毫秒精度）	时间列
HUFL	High UseFul Load（高有用负载）	FLOAT
HULL	High UseLess Load（高无用负载）	FLOAT
MUFL	Middle UseFul Load（中有用负载）	FLOAT
MULL	Middle UseLess Load（中无用负载）	FLOAT
LUFL	Low UseFul Load（低有用负载）	FLOAT
LULL	Low UseLess Load（低无用负载）	FLOAT
OT	Oil Temperature（油温，预测目标）	FLOAT

仓库结构

ETDataset-ett/
├── README.md          # 本文件
└── data/
    ├── ETTh1.tsfile
    ├── ETTh2.tsfile
    ├── ETTm1.tsfile
    └── ETTm2.tsfile

转换说明

• 数据来源：转换自 GitHub zhouhaoyi/ETDataset 的 4 个原始 CSV（HuggingFace 上的 ETDataset/ett 是一个 Python 加载脚本，运行时拉取这些 CSV 并 reshape 成 GluonTS 风格的滚动窗口样本；本仓库转换的是底层原始 CSV，未使用其 reshape 后的 train/val/test 滚动窗口格式 —— 那只是同一条连续序列的索引视图）。
• **每个 CSV 单独转成一个 .tsfile**，不合并；保留完整两年序列，不做 train/val/test 切分。
• Time 列：由原始 date 字符串列（YYYY-MM-DD HH:MM:SS）解析为 INT64 毫秒时间戳。原 date 字符串列不再单独保留 —— 其信息已无损进入 Time 列。
• 字段列：HUFL/HULL/MUFL/MULL/LUFL/LULL/OT 共 7 列，均保存为单精度 FLOAT。
• 未丢弃任何数据列：date → Time（无损）；7 个数值列全部保留。
• 无 TAG 列：每个文件是一条独立的时间序列，不需要设备维度。

读取示例

from tsfile import TsFileReader

reader = TsFileReader("data/ETTh1.tsfile")
schemas = reader.get_all_table_schemas()
tname = next(iter(schemas))
field_cols = [c.get_column_name() for c in schemas[tname].get_columns()]
with reader.query_table(tname, field_cols, batch_size=65536) as rs:
    while (batch := rs.read_arrow_batch()) is not None:
        df = batch.to_pandas()
        print(df.head())
        break

引用

@inproceedings{haoyietal-informer-2021,
  author    = {Haoyi Zhou and Shanghang Zhang and Jieqi Peng and Shuai Zhang and
               Jianxin Li and Hui Xiong and Wancai Zhang},
  title     = {Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting},
  booktitle = {The Thirty-Fifth AAAI Conference on Artificial Intelligence, AAAI 2021},
  volume    = {35},
  number    = {12},
  pages     = {11106--11115},
  publisher = {AAAI Press},
  year      = {2021}
}