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

# walmart — TsFile 格式

本目录是 [`autogluon/fev_datasets`](https://huggingface.co/datasets/autogluon/fev_datasets) 中 **walmart** 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://www.kaggle.com/competitions/walmart-recruiting-store-sales-forecasting
- **论文/引用**：[[24]](https://www.kaggle.com/competitions/walmart-recruiting-store-sales-forecasting/overview/citation)
- **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

| 序列数 | 中位长度 | 观测点数 | 动态列 | 静态列 | 文件 |
|---|---|---|---|---|---|
| 2,936 | 143 | 4,609,143 | 11 | 4 | `walmart.tsfile` |

## TsFile 存储模型

- 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）：`Store, Dept, Type, Size`。
- 随时间变化的 target / 动态协变量 → **measurement**（FIELD）。
- `timestamp` → `Time`（INT64 毫秒）。
- 表名：walmart。

### 列含义

| 列 | 角色 | TsFile 类型 |
|---|---|---|
| `Time` | Time（时间列） | INT64 |
| `id` | TAG（device 维度） | STRING |
| `Store` | TAG（device 维度） | DOUBLE |
| `Dept` | TAG（device 维度） | DOUBLE |
| `Type` | TAG（device 维度） | STRING |
| `Size` | TAG（device 维度） | DOUBLE |
| `target` | FIELD（measurement） | FLOAT |
| `IsHoliday` | FIELD（measurement） | FLOAT |
| `Temperature` | FIELD（measurement） | FLOAT |
| `Fuel_Price` | FIELD（measurement） | FLOAT |
| `MarkDown1` | FIELD（measurement） | FLOAT |
| `MarkDown2` | FIELD（measurement） | FLOAT |
| `MarkDown3` | FIELD（measurement） | FLOAT |
| `MarkDown4` | FIELD（measurement） | FLOAT |
| `MarkDown5` | FIELD（measurement） | FLOAT |
| `CPI` | FIELD（measurement） | FLOAT |
| `Unemployment` | FIELD（measurement） | FLOAT |

> 注：有 2936 个原始 id 含非法标识符字符，已规范化为合法 device 名（如 10_1→_10_1, 10_10→_10_10, 10_11→_10_11）。

## 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("walmart.tsfile")
schemas = reader.get_all_table_schemas()
# 表名：walmart；列见下方"列含义"。
```