smilegeng/flock_demo_glucose

Flock Demo Glucose Time-Series — TsFile 格式

本仓库是 HuggingFace 数据集 random-sequence/flock-demo-time-series-prediction-sections 转换为 TsFile 格式的版本。

⚠️ 这是一个演示（demo）数据集：模拟的患者血糖 / 胰岛素 / 碳水 / 活动监测时序， 并非真实临床数据。

• 原始数据集：random-sequence/flock-demo-time-series-prediction-sections
• 许可证：原数据集未声明 license（本转换版本沿用，未额外声明）。
• 原始 README：仅含字段定义（YAML frontmatter），无正文描述。下文的数据语义说明 来自对实际数据的检视。

数据内容

模拟 10 位患者的连续监测记录，5 分钟一个采样点。原数据集按时间切成 8 个 section （section_01 … section_08，各是 HuggingFace 的一个 config），8 段在时间上首尾相接、连续无重叠：

section	行数	患者数	时间范围
section_01	250	10	2024-01-01 00:00 → 2024-01-01 20:45
section_02	250	10	2024-01-01 20:50 → 2024-01-02 17:35
section_03	250	10	2024-01-02 17:40 → 2024-01-03 14:25
section_04	250	10	2024-01-03 14:30 → 2024-01-04 11:15
section_05	250	10	2024-01-04 11:20 → 2024-01-05 08:05
section_06	250	10	2024-01-05 08:10 → 2024-01-06 04:55
section_07	250	10	2024-01-06 05:00 → 2024-01-07 01:45
section_08	250	10	2024-01-07 01:50 → 2024-01-07 22:35

每个 section 内：全局 timestamp 唯一且单调递增，10 位患者交错出现；按患者看， 每位患者自己的记录在时间上也是单调递增、无重复。

文件（一个 section 对应一个 TsFile）

section_01.tsfile … section_08.tsfile，与原数据集的 8 个 config 一一对应，不合并。

TsFile 结构

• **TAG（device 维度）= patient_id**：以患者为设备。每位患者内 timestamp 单调、无重复。
• Time：由原始 timestamp（2024-01-01 00:00:00 文本，5 分钟间隔）解析为 INT64 毫秒。
• FIELD：
  • glucose_mg_dl（DOUBLE，血糖 mg/dL）
  • insulin_units（DOUBLE，胰岛素单位）
  • carbs_grams（DOUBLE，碳水克数）
  • activity_level（STRING，活动等级：rest / light / moderate / intense）

相比原数据集做了哪些改变

项	原数据集	本 TsFile 版本	说明
格式	Parquet（8 个 config）	TsFile（8 个 .tsfile）	一个 section 对一个 TsFile，保持原切分结构
timestamp 列	string（2024-01-01 00:00:00）	解析为 Time（INT64 毫秒）后丢弃原文本列	时间信息完整保留，仅格式由字符串变毫秒整数
patient_id	int64 普通字段	声明为 TAG（device），TsFile 中以 STRING 存储	TsFile 表模型中 TAG 列统一为 STRING；整数值原样保留（1 → "1"）
其余列	—	原样保留	glucose_mg_dl / insulin_units / carbs_grams → DOUBLE，activity_level → STRING
行内顺序	按全局时间	按 (patient_id, Time) 排序	保证每个 device 内时间单调，满足 TsFile 写入要求

唯一被丢弃的列：原始 timestamp 文本列（信息已并入 Time）。除此之外不丢弃任何列、不改任何数值。

读取示例

from tsfile import TsFileReader
reader = TsFileReader("section_01.tsfile")
for name, schema in reader.get_all_table_schemas().items():
    print(name, [c.get_column_name() for c in schema.get_columns()])