gluonts.zebras.schema 模块#

class gluonts.zebras.schema.Array(*, required: bool = True, internal: bool = False, default: typing.Any = None, preprocess: typing.Optional[typing.Callable] = None, ndim: typing.Optional[int] = None, shape: typing.Optional[tuple] = None, dtype: typing.Type = <class 'numpy.float32'>)[source]#

基类: gluonts.zebras.schema.Field

dtype: Type#
ndim: Optional[int]#
shape: Optional[tuple]#
class gluonts.zebras.schema.Field(*, required: bool = True, internal: bool = False, default: Any = None, preprocess: Optional[Callable] = None)[source]#

基类: pydantic.v1.main.BaseModel

用户提供输入数据的规范。

default: Any#
internal: bool#
load_from(data, name, **kwargs)[source]#
preprocess: Optional[Callable]#
required: bool#
class gluonts.zebras.schema.Metadata(*, required: bool = False, internal: bool = False, default: Any = None, preprocess: Optional[Callable] = None, type: Any = typing.Any)[source]#

基类: gluonts.zebras.schema.Field

required: bool#
type: Any#
class gluonts.zebras.schema.Scalar(*, required: bool = True, internal: bool = False, default: Any = None, preprocess: Optional[Callable] = None, type: Type)[source]#

基类: gluonts.zebras.schema.Field

type: Type#
class gluonts.zebras.schema.Schema(fields=None, **kwargs)[source]#

基类: object

fields: Dict[str, gluonts.zebras.schema.Field]#
load_splitframe(data: Dict[str, Any], future_length: int, start: Optional[Union[gluonts.zebras._period.Period, str]] = None, freq: Optional[Union[gluonts.zebras._freq.Freq, str]] = None) → gluonts.zebras._split_frame.SplitFrame[source]#
load_timeframe(data: Dict[str, Any], start: Optional[Union[gluonts.zebras._period.Period, str]] = None, freq: Optional[Union[gluonts.zebras._freq.Freq, str]] = None) → gluonts.zebras._time_frame.TimeFrame[source]#
class gluonts.zebras.schema.TimeSeries(required: bool = True, internal: bool = False, default: typing.Any = None, preprocess: typing.Optional[typing.Callable] = None, ndim: typing.Optional[int] = None, dtype: typing.Type = <class 'numpy.float32'>, tdim: int = -1, past_only: bool = True)[source]#

基类: gluonts.zebras.schema.Field

用户提供输入数据的规范。

参数

  • ndim – 输入数据期望的维度数量。如果提供，则确保输入数组具有期望的维度数量。

  • optional – 输入数据期望的维度数量。如果提供，则确保输入数组具有期望的维度数量。

  • tdim – 将数组标记为时间序列，并指定哪个轴是时间维度。当此值为 None 时，该数组被分类为 "static”。

  • optional – 将数组标记为时间序列，并指定哪个轴是时间维度。当此值为 None 时，该数组被分类为 "static”。

  • dtype (Type) – 数据类型，传递给 numpy.array。

  • past_only (bool) – 如果值是时间序列，则在加载 zebras.SplitFrame 时，它标记是否只期望过去范围内的数据。对于静态字段，此值将被忽略。

  • required – 当设置为 True 时，该字段必须存在于用户数据中。否则，使用 default 作为备用值。

  • internal – 当设置为 True 时，允许忽略用户提供的数据，并始终使用 default 作为值。

  • default – 当 required 或 internal 设置为 True 时使用的默认值。

  • preprocess – 此函数在验证值之前调用。例如，可以将 preprocess = np.atleast_2d 设置为允许将一维数组作为输入，即使 ndim = 2。

  • optional – 此函数在验证值之前调用。例如，可以将 preprocess = np.atleast_2d 设置为允许将一维数组作为输入，即使 ndim = 2。

dtype: Type#
ndim: Optional[int]#
past_only: bool#
tdim: int#