PyTorch-Forecasting中TimeSeriesDataSet分类变量顺序异常问题

1. categoricals乱序与目标变量不匹配 #

• TimeSeriesDataSet在构建阶段，会自动按照**时间索引（time_idx）**和分组变量（如果配置了）对数据重新排序，确保每个时间序列的样本是连续的时间顺序。如果你的原始数据集不是严格按照「分组+时间递增」的规则排列，处理后的categoricals张量顺序就会和原数据中目标变量的顺序不匹配。
• 同时，training.data是PyTorch的张量格式，它的顺序是基于数据集内部的滑动窗口采样逻辑组织的，和原始DataFrame的行顺序没有直接对应关系，视觉上就会呈现“乱序”的状态。

2. 小时列值变为0、1、12、17 #

• 这是PyTorch-Forecasting对分类变量执行标签编码后的表现，但你看到的其实是数据中实际存在的小时唯一值，而非编码后的索引。如果你的数据集仅包含这几个小时的样本（比如只采集了这些时段的数据），处理后categoricals里就只会保留这些值。
• 若你原本的小时列是0-23的全量值，那大概率是创建TimeSeriesDataSet时设置的时间窗口参数（如max_encoder_length、max_decoder_length）过滤掉了其他小时的样本，或是原始数据本身存在缺失，仅这几个小时有有效记录。
• 补充：如果小时作为连续数值更符合业务逻辑，你可以将其移到time_varying_known_reals参数中，而非分类变量——但如果明确需要按分类处理，核心原因还是数据有效样本覆盖的小时仅为这几个。

内容的提问来源于stack exchange，提问作者Jose_Peeterson