---
license: other
task_categories:
- time-series-forecasting
tags:
- time-series
- tsfile
pretty_name: ercot (TsFile format)
---

# ercot — TsFile 格式

本目录是 [`autogluon/fev_datasets`](https://huggingface.co/datasets/autogluon/fev_datasets) 中 **ercot** 子集转换为 [Apache TsFile](https://tsfile.apache.org/) 格式的版本。

## 来源与引用

- **原始来源**：https://github.com/ourownstory/neuralprophet-data/tree/main/datasets_raw/energy
- **统一格式合集**：[autogluon/fev_datasets](https://huggingface.co/datasets/autogluon/fev_datasets)

> 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。

## 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 |
|---|---|---|---|---|---|---|
| 1D | 8 | 6,452 | 51,616 | 1 | 0 | `1D/1D.tsfile` |
| 1H | 8 | 154,872 | 1,238,976 | 1 | 0 | `1H/1H_1..1H_2.tsfile`（2 片） |
| 1M | 8 | 211 | 1,688 | 1 | 0 | `1M/1M.tsfile` |
| 1W | 8 | 921 | 7,368 | 1 | 0 | `1W/1W.tsfile` |

## TsFile 存储模型

- 每条原始序列（`id`）→ 一个 **device**（TAG 维度）。
- 随时间变化的 target / 动态协变量 → **measurement**（FIELD）。
- `timestamp` → `Time`（INT64 毫秒）。
- 表名：ercot_1D, ercot_1H, ercot_1M, ercot_1W。

### 列含义

| 列 | 角色 | TsFile 类型 |
|---|---|---|
| `Time` | Time（时间列） | INT64 |
| `id` | TAG（device 维度） | STRING |
| `target` | FIELD（measurement） | FLOAT |

## 转换说明

- 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。

## 读取示例

```python
from tsfile import TsFileReader

reader = TsFileReader("1D/1D.tsfile")
schemas = reader.get_all_table_schemas()
# 表名：ercot_1D；列见下方"列含义"。
```