tsfresh中extract_relevant_features两类报错的解决方法咨询

问题1：传入df.notnull()触发ValueError #

报错信息 #

features_filtered_direct = extract_relevant_features(df.notnull(),
  File "C:\Users\username\anaconda3\envs\ts-env\lib\site-packages\tsfresh\convenience\relevant_extraction.py", line 172, in extract_relevant_features
    raise ValueError(
ValueError: The following ids are in the time series container but are missing in y: {True}

错误原因 #

df.notnull()返回的是布尔值组成的DataFrame，并非tsfresh要求的有效时间序列数据。extract_relevant_features要求第一个参数是包含数值型特征的数据集，且需通过id列对时间序列分组。传入布尔矩阵后，函数错误地将布尔值True识别为时间序列id，而该id在标签y中不存在，导致匹配失败。

解决方案 #

1. 先处理缺失值，再传入原数据结构：
   • 删除含缺失值的行：df_clean = df.dropna()，将df_clean传入函数；
   • 填充缺失值：df_clean = df.fillna(method='ffill')（或指定填充值如df_clean = df.fillna(0)），再传入处理后的数据集。
2. 明确指定时间序列分组参数：
   从数据样例看，数据集包含日期列和多列数值/分类列，调用函数时需指定分组id列和时间排序列：

   features_filtered_direct = extract_relevant_features(
       df_clean,
       y,
       column_id='你的id列名',  # 比如样例中第二列的0/1列
       column_sort='日期列名'
   )
   

问题2：传入df后触发TypeError #

报错信息 #

Traceback (most recent call last):
  File "C:\Users\username\anaconda3\envs\ts-env\lib\multiprocessing\pool.py", line 125, in worker
    result = (True, func(*args, **kwds))
  File "C:\Users\username\anaconda3\envs\ts-env\lib\site-packages\tsfresh\utilities\distribution.py", line 43, in _function_with_partly_reduce
    results = list(itertools.chain.from_iterable(results))
  File "C:\Users\username\anaconda3\envs\ts-env\lib\site-packages\tsfresh\utilities\distribution.py", line 42, in <genexpr> 
    results = (map_function(chunk, **kwargs) for chunk in chunk_list)
  File "C:\Users\username\anaconda3\envs\ts-env\lib\site-packages\tsfresh\feature_extraction\extraction.py", line 386, in _do_extraction_on_chunk
    return list(_f())
  File "C:\Users\username\anaconda3\envs\ts-env\lib\site-packages\tsfresh\feature_extraction\extraction.py", line 372, in _f
    result = [("", func(x))]
  File "C:\Users\username\anaconda3\envs\ts-env\lib\site-packages\tsfresh\feature_extraction\feature_calculators.py", line 1704, in sample_entropy
    if np.isnan(x).any():
TypeError: ufunc 'isnan' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

错误原因 #

报错发生在计算sample_entropy特征时，np.isnan无法处理非数值类型数据。结合数据样例，大概率是以下情况：

• 数据包含字符串类型列（如日期列、样例中"04"这类带前导零的字符串数字）；
• 部分列的 dtype 为 object 而非数值型（int/float）。

解决方案 #

1. 过滤/转换非数值列：
   • 移除非数值列（如日期列）：df_numeric = df.drop(columns=['日期列名'])；
   • 将字符串格式数字转为数值类型：

     # 遍历列，转换object类型为数值
     for col in df.columns:
         if df[col].dtype == 'object':
             df[col] = pd.to_numeric(df[col], errors='coerce')
     

2. 禁用引发错误的特征：
   若不需要sample_entropy特征，可在调用时通过参数禁用：

   from tsfresh.feature_extraction import ComprehensiveFCParameters
   
   fc_params = ComprehensiveFCParameters()
   del fc_params['sample_entropy']
   
   features_filtered_direct = extract_relevant_features(
       df,
       y,
       default_fc_parameters=fc_params,
       # 其他参数如column_id、column_sort
   )
   

3. 检查并修正数据类型：
   通过df.dtypes查看列类型，对异常列手动转换，确保所有特征列为数值型。

内容的提问来源于stack exchange，提问作者Rebel