2021 Python 计算生态十一月推荐榜 第45期

21年11月10日 · Python123 3706 人阅读
![]() |
看见更大的世界,遇见更好的自己
See a better world to meet better for ourselves.
时间序列(time series)是一组按照时间发生先后顺序进行排列的数据点序列,通常一组时间序列的时间间隔为一恒定值(如1秒,5分钟,10小时,7天,1年),因此时间序列可以作为离散时间数据进行分析处理。时间序列数据是在不同时间点收集的数据,这与在单个时间点观察个人、公司等的横截面数据相反,由于时间序列中的数据点是在相邻时间段收集的,因此观测值之间可能存在相关性,这是区分时间序列数据与横截面数据的特征之一。时间序列广泛应用于数理统计、信号处理、模式识别、计量经济学、数学金融、天气预报、地震预测、脑电图、控制工程、航空学、通信工程以及绝大多数涉及到时间数据测量的应用科学与工程学。
2021年11月,在使用Python进行数据分析的过程中经常会出现时间序列数据,为了能更好的分析时间序列数据。好事者特别推荐10款优秀的Python计算生态,帮助您了解时间序列。
prophet
prophet是基于可分解(趋势+季节+节假日)模型的开源库,Prophet充分的将业务背景知识和统计知识融合起来,它让我们可以用简单直观的参数进行高精度的时间序列预测,并且支持自定义季节和节假日的影响。官方号称“让普通人也能像数据分析师一样得出专业的结论”。
![]() |
https://github.com/facebook/prophet
statsmodels
statsmodels是一个Python库,用于拟合多种统计模型,执行统计测试以及数据探索和可视化。statsmodels包含更多的“经典”频率学派统计方法,而贝叶斯方法和机器学习模型可在其他库中找到。
![]() |
https://github.com/statsmodels/statsmodels
tsfresh
tsfresh是一个Python的时序数据特征挖掘的模块,提取的特征可以用来描述或聚类基于提取特征的时间序列。此外,它们还可以用于构建在时间序列上执行分类/回归任务的模型。
![]() |
https://github.com/blue-yonder/tsfresh
sktime
Sktime 库是一个统一的 python 库,它适用于时间序列数据,并且与 scikit-learn 兼容。它有时间序列预测、回归和分类模型,开发的主要目标是与 scikit-learn 进行互操作。
![]() |
https://github.com/alan-turing-institute/sktime
kats
Kats是第一个开发标准并连接时间序列分析各个领域的综合 Python 库,用户可以在这里探索其时间序列数据的基本特征,预测未来值,监视异常,并将其合并到ML模型和pipeline中。
![]() |
https://github.com/facebookresearch/kats
stumpy
Python STUMPY是一个功能强大且可扩展的Python库可用于各种时间序列数据挖掘任务。
![]() |
https://github.com/TDAmeritrade/stumpy
tslearn
tslearn是一个python包,它为分析时间序列提供机器学习工具。 这个包基于scikit-learn、numpy和scipy库。
https://github.com/tslearn-team/tslearn
pyts
pyts是一个专用于时间序列分类的 Python 包。它旨在通过提供预处理和实用工具以及几种时间序列分类算法的实现,使时间序列分类易于访问。
![]() |
https://github.com/johannfaouzi/pyts
pmdarima
Pmdarima是一个统计库,旨在填补 Python 时间序列分析功能的空白,包括等效于 R 的 auto.arima 函数。
https://github.com/alkaline-ml/pmdarima
obspy
ObsPy是一个开源项目,致力于提供处理地震数据的Python 框架。它提供了常见文件格式的解析器、访问数据中心的客户端和允许操作地震时间序列的地震信号处理例程。
![]() |
Python3Turtle