Rewrite README in English

README.md

@@ -8,56 +8,54 @@ tags:
 pretty_name: redset (TsFile format)
 ---
 
-# redset — TsFile 格式
+# redset (TsFile format)
 
-本目录是 [`autogluon/fev_datasets`](https://huggingface.co/datasets/autogluon/fev_datasets) 中 **redset** 子集转换为 [Apache TsFile](https://tsfile.apache.org/) 格式的版本。
+## Source and Citation
 
-## 来源与引用
+- **Original source**: https://github.com/amazon-science/redset/
+- **Paper / citation**: [[17]](https://www.amazon.science/publications/why-tpc-is-not-enough-an-analysis-of-the-amazon-redshift-fleet)
+- **Unified source collection**: [autogluon/fev_datasets](https://huggingface.co/datasets/autogluon/fev_datasets)
 
-- **原始来源**：https://github.com/amazon-science/redset/
-- **论文/引用**：[[17]](https://www.amazon.science/publications/why-tpc-is-not-enough-an-analysis-of-the-amazon-redshift-fleet)
-- **统一格式合集**：[autogluon/fev_datasets](https://huggingface.co/datasets/autogluon/fev_datasets)
+> This dataset was converted from external source data into a unified forecasting format and then into TsFile. Licensing and citation requirements follow the original source. We do not claim ownership of the original data. Unless otherwise stated, the data is intended for research use.
 
-> 本数据由外部来源转换为统一格式后再转为 TsFile。许可与引用以**原始来源**为准，我们不对原始数据主张任何权利。除非另有说明，数据仅供研究用途。
+## Dataset Statistics
 
-## 数据统计
-
-| 频率 | 序列数 | 中位长度 | 观测点数 | 动态列 | 静态列 | 文件 |
+| Frequency | Number of series | Median length | Observations | Dynamic columns | Static columns | Files |
 |---|---|---|---|---|---|---|
-| 15T | 126 | 8,640 | 1,052,371 | 1 | 1 | `15T/15T_1..15T_2.tsfile`（2 片） |
+| 15T | 126 | 8,640 | 1,052,371 | 1 | 1 | `15T/15T_1..15T_2.tsfile` (2 shards) |
 | 1H | 138 | 2,160 | 283,070 | 1 | 1 | `1H/1H.tsfile` |
-| 5T | 118 | 25,920 | 2,960,408 | 1 | 1 | `5T/5T_1..5T_3.tsfile`（3 片） |
+| 5T | 118 | 25,920 | 2,960,408 | 1 | 1 | `5T/5T_1..5T_3.tsfile` (3 shards) |
 
-## TsFile 存储模型
+## TsFile Storage Model
 
-- 每条原始序列（`id`）→ 一个 **device**（TAG 维度）。
-- 静态协变量列 → 也作 **TAG**（device 元数据）：`subset`。
-- 随时间变化的 target / 动态协变量 → **measurement**（FIELD）。
-- `timestamp` → `Time`（INT64 毫秒）。
-- 表名：redset_15T, redset_1H, redset_5T。
+- Each original series (`id`) is stored as one TsFile **device** (TAG dimension).
+- Static covariate columns are also stored as **TAGs** (device metadata): `subset`.
+- Time-varying targets and dynamic covariates are stored as **measurements** (FIELDs).
+- `timestamp` is mapped to `Time` as INT64 milliseconds.
+- Table names: redset_15T, redset_1H, redset_5T.
 
-### 列含义
+### Column Schema
 
-| 列 | 角色 | TsFile 类型 |
+| Column | Role | TsFile type |
 |---|---|---|
-| `Time` | Time（时间列） | INT64 |
-| `id` | TAG（device 维度） | STRING |
-| `subset` | TAG（device 维度） | STRING |
-| `target` | FIELD（measurement） | FLOAT |
+| `Time` | Time column | INT64 |
+| `id` | TAG (device dimension) | STRING |
+| `subset` | TAG (device dimension) | STRING |
+| `target` | FIELD (measurement) | FLOAT |
 
-## 转换说明
+## Conversion Notes
 
-- 每行原始数据是一整条序列 `(id, timestamp[], 各 target[])`，纵向打平为长表后写入 TsFile。
-- 数值类型按源列自适应：float32→FLOAT、float64→DOUBLE、整数→INT64、bool→BOOLEAN。
-- 时间精度：毫秒（INT64）。
-- 大表会被工具自动分片为 `<名>_1.tsfile`、`<名>_2.tsfile` …，同属一个逻辑表。
+- Each original row stores one complete series `(id, timestamp[], target and dynamic arrays)`. The converter flattens these nested rows into a long table before writing TsFile.
+- Numeric types are inferred from the source columns, for example float32 to FLOAT, float64 to DOUBLE, integers to INT64, and bool to BOOLEAN.
+- Time precision: milliseconds (INT64).
+- Large tables may be automatically sharded as `<name>_1.tsfile`, `<name>_2.tsfile`, and so on. These shards belong to the same logical table.
 
-## 读取示例
+## Reading Example
 
 ```python
 from tsfile import TsFileReader
 
 reader = TsFileReader("15T/15T.tsfile")
 schemas = reader.get_all_table_schemas()
-# 表名：redset_15T；列见下方"列含义"。
+# Table name: redset_15T; see \"Column Schema\" below.
 ```