smilegeng/fev_datasets

FEV 预测数据集合集 — TsFile 格式

本仓库是 autogluon/fev_datasets 转换为 Apache TsFile 格式的版本，共 49 个子集。每个子集一个目录，含 .tsfile 数据文件（大表自动分片为多个 .tsfile）与说明 README.md。

本数据由外部来源转换为统一格式后再转为 TsFile。许可与引用以原始来源为准，我们不对原始数据主张任何权利。除非另有说明，数据仅供研究用途。

转换说明

• id（每条序列）→ TsFile device（TAG 维度）。
• 静态协变量列 → 也作 TAG（device 元数据）。
• target / 动态协变量 → measurement（FIELD）。
• timestamp → Time（INT64 毫秒）；dtype 按源自适应（float32→FLOAT 等）。
• 路径与原仓一致：<子集>/<频率>/<频率>.tsfile（无频率为 <子集>/<子集>.tsfile）。

子集索引

子集	频率	序列数	观测点数	来源	引用
ETT	15T, 1D, 1H, 1W	2	975,520 / 10,136 / 243,880 / 1,442	link	[1]
LOOP_SEATTLE	1D, 1H, 5T	323	117,895 / 2,829,480 / 33,953,760	link	[2]
M_DENSE	1D, 1H	30	21,900 / 525,600	link	[2]
SZ_TAXI	15T, 1H	156	464,256 / 116,064	link	[2]
australian_tourism	—	89	3,204	link	[3]
bizitobs_l2c	1H, 5T	1	18,648 / 223,776	link	[4]
boomlet	1062, 1209, 1225, 1230, 1282, 1487, 1631, 1676, 1855, 1975, 2187, 285, 619, 772, 963	1	344,064 / 868,352 / 802,816 / 376,832 / 573,440 / 884,736 / 418,520 / 1,046,300 / 272,012 / 392,325 / 523,100 / 1,228,800 / 851,968 / 1,097,728 / 458,752	link	[5]
ecdc_ili	—	25	4,797	link	—
entsoe	15T, 1H, 30T	6	6,310,512 / 1,577,592 / 3,155,220	link	[6]
epf_be	—	1	157,248	link	[7]
epf_de	—	1	157,248	link	[7]
epf_fr	—	1	157,248	link	[7]
epf_np	—	1	157,248	link	[7]
epf_pjm	—	1	157,248	link	[7]
ercot	1D, 1H, 1M, 1W	8	51,616 / 1,238,976 / 1,688 / 7,368	link	—
favorita_stores	1D, 1M, 1W	1,579	10,661,408 / 255,798 / 1,136,880	link	[8]
favorita_transactions	1D, 1M, 1W	51	258,264 / 5,508 / 24,480	link	[8]
fred_md_2025	—	1	100,548	link	[9]
fred_qd_2025	—	1	65,170	link	[10]
gvar	—	33	52,866	link	[11]
hermes	—	10,000	5,220,000	link	[12]
hierarchical_sales	1D, 1W	118	215,350 / 30,680	link	[4]
hospital	—	767	64,428	link	[4]
hospital_admissions	1D, 1W	8	13,846 / 1,968	link	[13]
jena_weather	10T, 1D, 1H	1	1,106,784 / 7,686 / 184,464	link	[4]
kdd_cup_2022	10T, 1D, 30T	134	47,273,860 / 325,620 / 15,755,720	link	[14]
m5	1D, 1M, 1W	30,490	428,849,460 / 13,805,685 / 60,857,703	link	[15]
proenfo_bull	—	41	2,877,216	link	[16]
proenfo_cockatoo	—	1	105,264	link	[16]
proenfo_gfc12	—	11	867,108	link	[16]
proenfo_gfc14	—	1	35,040	link	[16]
proenfo_gfc17	—	8	280,704	link	[16]
proenfo_hog	—	24	2,526,336	link	[16]
proenfo_pdb	—	1	35,040	link	[16]
redset	15T, 1H, 5T	126	1,052,371 / 283,070 / 2,960,408	link	[17]
restaurant	—	817	294,568	link	[18]
rohlik_orders	1D, 1W	7	115,650 / 15,316	link	[19]
rohlik_sales	1D, 1W	5,390	74,413,935 / 10,516,770	link	[20]
rossmann	1D, 1W	1,115	7,352,310 / 889,770	link	[21]
solar	1D, 1W	137	50,005 / 7,124	link	[4]
solar_with_weather	15T, 1H	1	1,986,000 / 496,480	link	—
uci_air_quality	1D, 1H	1	5,057 / 121,641	link	[22]
uk_covid_nation	1D, 1W	4	41,216 / 5,936	link	—
uk_covid_utla	1D, 1W	214	308,786 / 44,448	link	—
us_consumption	1M, 1Q, 1Y	31	24,552 / 8,122 / 1,984	link	[23]
walmart	—	2,936	4,609,143	link	[24]
world_co2_emissions	—	191	11,460	link	—
world_life_expectancy	—	237	17,538	link	[25]
world_tourism	—	178	3,738	link	[26]

读取示例

from tsfile import TsFileReader

reader = TsFileReader("<freq>.tsfile")
schemas = reader.get_all_table_schemas()
# 表名：<见各子集 README>；列见下方"列含义"。

引用

原始合集 fev-bench：

@article{shchur2025fev,
  title={{fev-bench}: A Realistic Benchmark for Time Series Forecasting},
  author={Shchur, Oleksandr and Ansari, Abdul Fatir and Turkmen, Caner and Stella, Lorenzo and Erickson, Nick and Guerron, Pablo and Bohlke-Schneider, Michael and Wang, Yuyang},
  year={2025},
  eprint={2509.26468},
  archivePrefix={arXiv},
  primaryClass={cs.LG}
}