时间序列数据时间戳处理及停机预测技术咨询

我有如下格式的时间序列数据：

import pandas as pd

data = {'Date': ['16-08-2021', '16-08-2021', '17-08-2021', '18-08-2021', '19-08-2021'],
        'Reason no': ['R13', 'R2', 'R5', 'R2', 'R3'],
        'Minutes': [115, 625, 625, 1364, 1440],
        'Issues': ['Not meeting the hourly target output', 'Air leak issue', 'other problem', 'Air leak issue', 'Air leak issue']}

df = pd.DataFrame(data)

可以看到2021年8月16日有两条不同的停机记录，我需要把这类同日期的多条数据拆成带具体小时的时间戳（比如16-08-2021 1AM），同时给所有日期补充时间特征。Minutes是停机时长，最终要预测未来两天的停机情况，示例输出如下：

{'Date': ['20-08-2021 5AM', '20-08-2021 6PM', '21-08-2021 12AM'],
        'Reason no': ['R5', 'R2', 'R2'],
        'Minutes': [655, 142, 425],
        'Issues': [ 'Air leak issue', 'other problem', 'Air leak issue']}

多数教程会把datetime当ID忽略，但我的场景里日期和时间戳是重要特征，计划用LSTM及混合模型训练，想知道怎么用Python和pandas处理同日期多条数据、保留datetime作为特征，同时希望得到相关建议。

1. 生成带具体时间的时间戳 #

原数据只有日期没有具体时间，这里假设同日期的停机事件是按顺序发生的——前一个停机结束后，下一个才开始。基于这个逻辑生成每条记录的起始时间：

import pandas as pd
import numpy as np

# 加载初始数据
data = {'Date': ['16-08-2021', '16-08-2021', '17-08-2021', '18-08-2021', '19-08-2021'],
        'Reason no': ['R13', 'R2', 'R5', 'R2', 'R3'],
        'Minutes': [115, 625, 625, 1364, 1440],
        'Issues': ['Not meeting the hourly target output', 'Air leak issue', 'other problem', 'Air leak issue', 'Air leak issue']}

df = pd.DataFrame(data)

# 把Date列转为datetime类型，方便时间计算
df['Date'] = pd.to_datetime(df['Date'], format='%d-%m-%Y')

# 按日期分组，计算每条记录的起始分钟数（从当天0点开始算）
df['start_minutes'] = df.groupby('Date')['Minutes'].cumsum() - df['Minutes']
# 把分钟数转为时间差，加到日期上得到起始时间戳
df['start_time'] = df['Date'] + pd.to_timedelta(df['start_minutes'], unit='m')

# 格式化为用户需要的字符串样式（比如16-08-2021 1AM）
df['timestamp'] = df['start_time'].dt.strftime('%d-%m-%Y %I%p').str.lower().replace('0', '')

如果有真实的停机起始时间数据，直接替换上述逻辑即可，不要用假设值，避免引入偏差。

2. 提取时间特征 #

datetime作为核心特征，需要拆成模型能理解的数值特征：

# 提取年、月、日、小时
df['year'] = df['start_time'].dt.year
df['month'] = df['start_time'].dt.month
df['day'] = df['start_time'].dt.day
df['hour'] = df['start_time'].dt.hour

# 提取星期几（0=周一，6=周日）和是否工作日
df['day_of_week'] = df['start_time'].dt.dayofweek
df['is_workday'] = (df['day_of_week'] < 5).astype(int)

还可以根据业务需求补充其他特征，比如是否节假日、月度周期（每月几号）、季度特征等。

3. 编码分类特征 #

LSTM只接受数值输入，所以要把Reason no和Issues这类分类特征转成数值：

from sklearn.preprocessing import LabelEncoder

# 标签编码Reason no
le_reason = LabelEncoder()
df['reason_encoded'] = le_reason.fit_transform(df['Reason no'])

# 标签编码Issues
le_issue = LabelEncoder()
df['issues_encoded'] = le_issue.fit_transform(df['Issues'])

如果类别数量多，也可以用独热编码或者目标编码，根据模型需求选择。

4. 构造LSTM所需的序列数据 #

LSTM需要时序序列输入，比如用过去N条记录的特征预测未来2天的停机情况：

# 先按时间戳排序，保证时序正确
df = df.sort_values('start_time').reset_index(drop=True)

# 定义时间步：用过去3条记录预测未来
time_steps = 3

def create_sequences(data, time_steps):
    X, y = [], []
    # 遍历数据，构造输入序列和目标序列
    for i in range(len(data) - time_steps):
        # 输入：过去time_steps条的特征
        X.append(data.iloc[i:i+time_steps][['hour', 'day_of_week', 'is_workday', 'reason_encoded', 'issues_encoded', 'Minutes']].values)
        # 目标：未来2条的停机记录（可根据实际需求调整目标内容）
        y.append(data.iloc[i+time_steps:i+time_steps+2][['reason_encoded', 'issues_encoded', 'Minutes']].values)
    return np.array(X), np.array(y)

# 生成训练用的序列
X, y = create_sequences(df, time_steps)

• 时间戳逻辑要贴合业务：如果停机事件可能重叠，那之前的"顺序发生"假设就不成立，需要结合实际业务场景调整时间戳生成逻辑，比如如果有设备ID，要按设备分组处理。
• 序列长度调优：时间步（time_steps）的大小要根据数据频率调整——如果是小时级数据，可能需要更长的序列；如果是每天多条记录，要保证序列的时间连续性。
• 混合模型选型：可以尝试LSTM+CNN组合（CNN提取局部时间模式，LSTM处理长期依赖），或者LSTM+XGBoost（LSTM处理时序，XGBoost优化类别特征的拟合）。
• 数据平衡处理：如果某些停机原因出现频率极低，模型容易偏向高频类别，这时候可以用过采样（SMOTE）或者加权损失函数来平衡数据。
• 特征筛选：用相关性分析或者特征重要性排序，去掉冗余特征，避免模型过拟合。

内容的提问来源于stack exchange，提问作者def init