#时间序列分析
tslearn
tslearn是一个开源的Python库，专注于时间序列分析和机器学习。它提供数据预处理、分类、聚类、回归和多种距离度量方法。支持可变长度时间序列，兼容scikit-learn，包含UCR数据集和数据生成器。tslearn适用于需要进行时间序列分析的数据科学工作，支持超参数调优和管道等功能，为研究和实践提供全面工具支持。
Awesome-GNN4TS
本项目汇集图神经网络(GNN)在时间序列分析领域的研究进展和资源,涵盖预测、分类、异常检测和插值等任务。内容包括相关论文、数据集和应用概述,以及面向任务和模型的GNN4TS分类方法,为该领域研究和应用提供参考。
pmdarima
pmdarima是一个Python统计库，旨在增强时间序列分析能力。它实现了类似R语言auto.arima的功能，提供多种统计测试、时间序列工具、转换器和特征提取器。该库支持季节性分解、交叉验证，并包含丰富的内置数据集。基于statsmodels构建，pmdarima采用类scikit-learn的接口设计，便于用户构建和部署时间序列模型。
sktime
sktime是一个开源的Python时间序列分析库,为多种时间序列学习任务提供统一接口。它支持时间序列分类、回归、聚类、标注和预测等功能,并提供专门的时间序列算法和兼容scikit-learn的工具。sktime还整合了多个相关库的接口,便于用户在不同时间序列任务间迁移算法。
statsmodels
statsmodels是一个全面的Python统计建模库，提供多种统计方法和工具。包括线性回归、广义线性模型、时间序列分析、生存分析等功能。该项目文档完善，社区活跃，持续更新。适用于数据科学家和研究人员进行各类统计分析和建模任务，可处理从基础到高级的数据分析需求。
timetk
timetk是一个功能丰富的R语言时间序列分析工具包。它提供数据可视化、处理和特征工程功能，支持交互式和静态绘图、时间序列机器学习、异常检测和聚类分析。与同类包相比，timetk功能更全面、易用性更高，可简化时间序列分析和预测建模流程。该包适用于需要高效处理和分析时间序列数据的研究人员和数据科学家。
RedisTimeSeries
RedisTimeSeries是Redis官方开发的时间序列数据库模块，支持高吞吐量数据插入和低延迟读取。该模块提供时间范围查询、聚合分析、可配置数据保留策略、自动数据压缩和二级索引等功能。适用于处理传感器数据、股票价格、流量统计等时间序列信息。RedisTimeSeries可与Prometheus和Grafana等工具集成，是一个全面的时间序列数据处理解决方案。
pytimetk
pytimetk是一个高效的Python时间序列分析库，通过简洁语法和优化计算简化了时间序列操作和可视化。相比pandas，它提供3-3500倍的速度提升，并减少代码复杂度。主要功能包括快速时间聚合、便捷绘图、日历特征提取和异常检测等。pytimetk适用于商业预测和科学研究，为时间序列分析提供了全面的解决方案。
tfcausalimpact
tfcausalimpact是一个基于TensorFlow实现的因果影响分析库。该工具利用贝叶斯结构模型分析干预前后的数据，评估干预效果。支持Python 3.7-3.11，提供统计结果输出和可视化功能。通过变分推断和HMC两种拟合方法，在分析精度和计算性能间实现平衡。适用于研究人员和数据科学家进行因果推断分析，操作简便，功能强大。