📚 课程目录第4章时间序列特征提取

4. 时间序列特征提取：滑动窗口统计量、滞后特征、差分特征与滚动聚合

在压力测试场景中，系统性能指标（如响应时间、吞吐量、错误率）通常以时间序列形式采集。直接从原始时序数据建模往往受噪声、趋势和周期性干扰。本章聚焦四类核心特征提取方法，将原始时序转化为更具预测力的结构化特征，为后续的异常检测与容量评估提供高质量输入。

4.1 滑动窗口统计量

滑动窗口统计量通过固定长度的窗口在时间轴上滑动，计算窗口内数据的聚合值，从而捕捉局部动态特征。窗口大小（window_size）和滑动步长（step）是两个关键超参数。

统计量	数学定义	压力测试场景含义
均值（Mean）	\(\mu_t = \frac{1}{w}\sum_{i=t-w+1}^{t} x_i\)	窗口内平均响应时间，反映局部负载水平
方差（Variance）	\(\sigma_t^2 = \frac{1}{w}\sum_{i=t-w+1}^{t} (x_i - \mu_t)^2\)	窗口内波动程度，高方差预示不稳定
最大值（Max）	\(max_t = \max(x_{t-w+1}, ..., x_t)\)	窗口内峰值延迟，用于识别毛刺
最小值（Min）	\(min_t = \min(x_{t-w+1}, ..., x_t)\)	窗口内最低延迟，反映空闲时段

  实战建议：窗口大小通常设置为 5~20 个采样点。对于秒级采样的压力测试数据，5 秒窗口适合捕捉瞬时抖动，20 秒窗口适合评估稳态行为。步长一般设为 1 以保证特征密度。

import pandas as pd
import numpy as np

# 模拟响应时间序列（单位：ms）
np.random.seed(42)
data = pd.Series(np.random.exponential(scale=50, size=1000))

window = 10
features = pd.DataFrame({
    'rolling_mean': data.rolling(window=window).mean(),
    'rolling_var': data.rolling(window=window).var(),
    'rolling_max': data.rolling(window=window).max(),
    'rolling_min': data.rolling(window=window).min()
})
print(features.head(15))

4.2 时间滞后特征

时间滞后特征（Lag Features）将当前时刻与过去时刻的观测值关联起来，用于捕捉序列的自相关性。在压力测试中，当前响应时间往往与前几秒的负载状态相关。

定义： \(lag_k = x_{t-k}\)，表示当前时刻前 k 个时间步的观测值。
典型滞后阶数： lag1, lag2, lag3, lag5, lag10。
应用场景： 检测延迟的累积效应——当连续多个时间点延迟升高时，系统可能即将过载。

# 生成滞后特征
lags = [1, 2, 3, 5, 10]
lag_features = pd.DataFrame()
for lag in lags:
    lag_features[f'lag_{lag}'] = data.shift(lag)
print(lag_features.head(15))

避坑提示：滞后特征会引入 NaN 值（前 k 行无历史数据）。务必在建模前使用 .dropna() 或填充策略（如向前填充）处理缺失值。在压力测试中，建议丢弃前 10~20 行以保证特征完整性。

4.3 差分特征

差分特征通过计算相邻时间点或固定间隔的差值，消除趋势和季节性，使序列平稳化。在压力测试中，差分特征能突出突变和拐点。

差分类型	公式	压力测试用途
一阶差分	\(\Delta x_t = x_t - x_{t-1}\)	检测响应时间的瞬时跳变
二阶差分	\(\Delta^2 x_t = \Delta x_t - \Delta x_{t-1}\)	识别加速度变化，如错误率突然加速上升
间隔差分	\(\Delta_k x_t = x_t - x_{t-k}\)	对比当前与 k 步前的状态，评估变化幅度

# 计算差分特征
diff_features = pd.DataFrame({
    'diff_1': data.diff(1),
    'diff_2': data.diff(2),
    'diff_5': data.diff(5)
})
print(diff_features.head(15))

4.4 滚动聚合

滚动聚合（Rolling Aggregation）是滑动窗口统计量的泛化形式，支持自定义聚合函数。在压力测试中，除了均值、方差等基础统计量，还可以计算分位数、偏度、峰度等高级特征。

  关键参数：
  窗口类型：固定窗口（rolling） vs 指数加权窗口（ewm）
聚合函数： mean, std, min, max, median, quantile, skew, kurt
最小观测数： min_periods 控制窗口内有效数据下限

# 高级滚动聚合示例
rolling_agg = pd.DataFrame({
    'rolling_mean': data.rolling(window=10).mean(),
    'rolling_std': data.rolling(window=10).std(),
    'rolling_median': data.rolling(window=10).median(),
    'rolling_q90': data.rolling(window=10).quantile(0.9),
    'rolling_skew': data.rolling(window=10).skew()
})
print(rolling_agg.head(15))

4.5 特征组合策略

在实际压力测试项目中，通常将上述四类特征组合使用，形成高维特征空间。以下表格总结了各类特征的适用场景与组合建议：

特征类型	捕获的信息	推荐组合
滑动窗口统计量	局部趋势与波动	均值 + 方差 + 最大值
时间滞后特征	自相关与延迟效应	lag1 + lag3 + lag5
差分特征	突变与加速度	一阶差分 + 间隔差分
滚动聚合	分布形态与极端值	中位数 + 90%分位数 + 偏度

# 完整特征工程流水线
def extract_time_series_features(series, window=10, lags=[1,3,5]):
    """提取时间序列特征集"""
    features = pd.DataFrame(index=series.index)
    
    # 滑动窗口统计量
    features['mean'] = series.rolling(window).mean()
    features['std'] = series.rolling(window).std()
    features['max'] = series.rolling(window).max()
    features['min'] = series.rolling(window).min()
    
    # 滞后特征
    for lag in lags:
        features[f'lag_{lag}'] = series.shift(lag)
    
    # 差分特征
    features['diff_1'] = series.diff(1)
    features['diff_5'] = series.diff(5)
    
    # 滚动聚合（自定义）
    features['q90'] = series.rolling(window).quantile(0.9)
    features['skew'] = series.rolling(window).skew()
    
    return features.dropna()

# 应用
feature_matrix = extract_time_series_features(data)
print(f"特征矩阵形状: {feature_matrix.shape}")
print(feature_matrix.head(10))

性能警告：在压力测试实时场景中，特征提取的计算开销不可忽视。建议对高频数据（如每秒采样）使用向量化操作（如 pandas rolling）而非循环；对于超大规模数据（百万级时间点），考虑使用 Numba 或 Cython 加速。

4.6 实战注意事项

数据泄露：滑动窗口和滞后特征只能使用历史数据，严禁引入未来信息。在时间序列交叉验证中，务必保证训练集时间早于验证集。
特征冗余：滑动窗口均值与滞后1阶特征可能高度相关。建议使用相关性分析或PCA进行降维。
缺失值处理：窗口起始阶段和滞后特征会产生NaN。在压力测试中，通常丢弃前 max(window_size, max_lag) 行数据。
在线推理：实时压力测试场景下，特征提取需支持增量更新。可使用 deque 或环形缓冲区维护滑动窗口，避免重复计算。