尝试Python包tsfresh我在第一步中遇到了问题。给定一个系列，如何（自动）为其制作功能？该代码段会根据我尝试的部分而产生不同的错误。
import tsfresh
import pandas as pd
import numpy as np
#tfX, tfy = tsfresh.utilities.dataframe_functions.make_forecasting_frame(pd.Series(np.random.randn(1000)/50), kind='float64', max_timeshift=50, rolling_direction=1)
#rf = tsfresh.extract_relevant_features(tfX, y=tfy, n_jobs=1, column_id='id')
tfX, tfy = tsfresh.utilities.dataframe_functions.make_forecasting_frame(pd.Series(np.random.randn(1000)/50), kind=1, max_timeshift=50, rolling_direction=1)
rf = tsfresh.extract_relevant_features(tfX, y=tfy, n_jobs=1, column_id='id')
错误在第一种情况下
“”“追溯（最近一次通话）：文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ multiprocessing \ pool.py”，行 119，在工人中 结果=（真，函数（* args，** kwds））文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ tsfresh \ utilities \ distribution.py”， 第38行，在_function_with_partly_reduce中 结果=列表（itertools.chain.from_iterable（结果））文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ tsfresh \ utilities \ distribution.py”， 第37行，在 结果=（map_function（chunk，** kwargs）for chunk_list中的块）文件 “ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ tsfresh \ feature_extraction \ extraction.py”， _do_extraction_on_chunk中的第358行 返回列表（_f（））文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ tsfresh \ feature_extraction \ extraction.py”， _f中的第350行 结果= [（“”，func（data））]文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ tsfresh \ feature_extraction \ feature_calculators.py”， 第193行，在variance_larger_than_standard_deviation中 y = np.var（x）文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ numpy \ core \ fromnumeric.py”， 第3157行，在var中 ** kwargs）文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ numpy \ core_methods.py”， _var中的第110行 arrmean，rcount，out = arrmean，casting ='unsafe'，subok = False）TypeError：/的不支持的操作数类型：'str'和'int'“”“
在第二种情况下
“”“追溯（最近一次通话）：文件 “ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ multiprocessing \ pool.py”，行 119，在工人中 结果=（真，函数（* args，** kwds））文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ tsfresh \ utilities \ distribution.py”， 第38行，在_function_with_partly_reduce中 结果=列表（itertools.chain.from_iterable（结果））文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ tsfresh \ utilities \ distribution.py”， 第37行，在 结果=（map_function（chunk，** kwargs）for chunk_list中的块）文件 “ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ tsfresh \ feature_extraction \ extraction.py”， _do_extraction_on_chunk中的第358行 返回列表（_f（））文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ tsfresh \ feature_extraction \ extraction.py”， _f中的第345行 结果= func（数据，参数=参数列表）文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ tsfresh \ feature_extraction \ feature_calculators.py”， 第1752行，在Friedrich_coefficients中 coeff = _estimate_friedrich_coefficients（x，m，r）文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ tsfresh \ feature_extraction \ feature_calculators.py”， 第145行，在_estimate_friedrich_coefficients中 result.dropna（inplace = True）文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ pandas \ core \ frame.py”， 在dropna的4598行 结果= self.loc（轴=轴）[掩码]文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ pandas \ core \ indexing.py”， 第1500行，位于 getitem 返回self._getitem_axis（可能是可调用的，axis = axis）文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ pandas \ core \ indexing.py”， 第1859行，在_getitem_axis中 如果is_iterator（key）：文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ pandas \ core \ dtypes \ inference.py”， is_iterator中的第157行 返回hasattr（obj，' next '）文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ pandas \ core \ generic.py”， 第5065行，位于 getattr 如果self._info_axis._can_hold_identifiers_and_holds_name（name）：文件 “ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ pandas \ core \ indexes \ base.py”， 第3984行，在_can_hold_identifiers_and_holds_name中 在自我文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ pandas \ core \ indexes \ category.py”中返回名称， 第327行，包含 返回contains（self，key，container = self._engine）文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ pandas \ core \ arrays \ categorical.py”， 第188行，包含 loc = cat.categories.get_loc（key）文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ pandas \ core \ indexes \ interval.py”， 第770行，位于get_loc中 start，stop = self._find_non_overlapping_monotonic_bounds（key）文件 “ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ pandas \ core \ indexes \ interval.py”， 第717行，位于_find_non_overlapping_monotonic_bounds中 开始= self._searchsorted_monotonic（key，'left'）文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ pandas \ core \ indexes \ interval.py”， _searchsorted_monotonic中的第681行 返回sub_idx._searchsorted_monotonic（标签，侧面）文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ pandas \ core \ indexes \ base.py”， 第4755行，在_searchsorted_monotonic中 返回self.searchsorted（label，side = side）文件“ C：\ Users \ user \ Anaconda3 \ envs \ env1 \ lib \ site-packages \ pandas \ core \ base.py”， 第1501行，在搜索中排序 返回self._values.searchsorted（value，side = side，sorter = sorter）TypeError：无法将数组数据从dtype（'float64'）转换为 dtype（'
np。版本，tsfresh。版本为（“ 1.15.4”，“未知”）。我使用conda（可能来自conda-forge）安装了tsfresh。我在Windows 10上。将另一个内核与np。版本，tsfresh。版本（'1.15.4'，'0.11.2'）一起使用会产生相同的结果。
尝试timeseries_forecasting_basic_example.ipynb中的前几个单元格也会产生转换错误。
答案 0 :(得分：1)
解决了。问题是conda（-forge）上的版本或依赖项之一。因此，结合使用“ conda卸载tsfresh”，“ conda安装patsy将来的六个tqdm”和“ pip安装tsfresh”的组合就可以了。