相关软件

Python 生态系统包含许多可以用来存储和处理时间序列数据的包。以下列表绝非详尽无遗。如果你有遗漏的内容，欢迎提交 PR。

目录

• 用于机器学习、统计或时间序列分析的包，

• 其他时间序列相关的框架或数据库系统.

关于时间序列数据容器，请参阅 我们的维基条目。

机器学习

库

项目名称	描述
adtk 是一个用于时间序列异常检测的Python库。	异常检测工具包，一个用于无监督/基于规则的时间序列异常检测的Python包
atspy 是一个用于自动化时间序列预测的Python库。	预测模型集合，封装了现有的统计和机器学习模型用于预测，自动化的基准测试
Arrow 是一个用于处理日期和时间的Python库。	一种合理、人性化的方法来创建、操作、格式化和转换日期、时间和时间戳
cesium 是一个开源项目。	时间序列平台，旨在提取非均匀采样信号的特征
catch22 是一个用于操作重要性的工具。	hctsa 的特征选择管道和所谓的 catch22 特征集
crystalball 是一个用于时间序列预测的Python库。	一个用于预测的Python库，具有类似scikit-learn的API
darts 是一个时间序列预测库。	Python 时间序列预测工具集合，从预处理到模型（单变量/多变量、prophet、神经网络）和回测工具
deeptime 是一个机器学习库，专注于时间序列分析和建模。	用于无监督学习的时间序列库，包括降维、聚类和马尔可夫模型估计
deltapy 是一个用于金融数据分析的Python库。	数据增强工具集合，包括从时间序列中提取特征，封装了现有的工具包，如 tsfresh
diviner 是一个用于时间序列预测的Python库。	Databricks 的 Diviner 支持大规模时间序列预测，并作为其他开源预测库的封装。
dtaidistance 是一个用于时间序列距离计算的Python库。	时间序列距离
dtw 是一个动态时间规整算法的实现。	基于Scipy的动态时间规整
Featuretools 是一个用于自动化特征工程的工具。	时间序列特征提取，可能依赖于其他变量，使用与 pandas 兼容的类关系数据库数据容器
fecon235 是一个开源项目。	金融经济学的计算工具
ffn 是一个金融财务分析库。	财务函数库
flint 是一个开源项目。	Apache Spark 的时间序列库
GENDIS 是一个用于生成和分析分布式系统的工具。	通过遗传算法发现形状元素
glm-sklearn 是一个用于广义线性模型的 scikit-learn 扩展。	scikit-learn 兼容的包装器，围绕 statsmodels 中的 GLM 模块
gluon-ts 是一个时间序列预测的深度学习库。	使用深度学习的概率预测和异常检测，由亚马逊提供
greykite 是一个时间序列预测库，由LinkedIn开发。	LinkedIn 的时间序列库，用于预测，包含可解释的“Silverkite”算法。
hctsa 是一个用于时间序列分析的工具包。	基于Matlab的特征提取，可以通过Python控制
HMMLearn 是一个隐马尔可夫模型（HMM）学习库。	使用 scikit-learn 兼容 API 的隐马尔可夫模型
kats 是一个时间序列分析工具包。	Facebook 提供的时间序列分析工具包，包括检测、预测、特征提取/嵌入、多元分析等。
khiva-python 是一个Python库。	一个在GPU上进行加速分析的时间序列库，它提供了特征提取和基序发现等功能。
lifelines 是一个用于生存分析的Python库。	生存分析工具包
linearmodels	添加线性模型，包括 statsmodels 中缺失的工具变量和面板数据模型。
loudML	基于 TensorFlow 构建的时间序列推理引擎，用于预测数据、检测异常值，并利用未来知识自动化您的流程。
matrixprofile-ts 是一个用于时间序列分析的矩阵轮廓库。	一个用于通过矩阵剖面检测大规模数据集中模式和异常的Python库
mcfly	使用自动超参数选择的时间序列分类的深度学习
neuralprophet 是一个时间序列预测工具。	一个基于神经网络的模型，灵感来自 Facebook Prophet 和 AR-Net，基于 PyTorch 构建
Nitime	神经科学数据的时间序列分析
NoLiTSA	非线性时间序列分析
orbit 是一个用于时间序列分析的Python库。	由Uber开发的贝叶斯时间序列预测包
pomegranate 是一个用于概率模型和序列数据处理的Python库。	概率模型，从单个概率分布到如贝叶斯网络和隐马尔可夫模型这样的组合模型。
Pastas 是一个用于地下水位模拟的Python库。	水文数据的时间序列分析
prophet 是一个由Facebook开发的工具。	具有线性或非线性增长的多季节性时间序列数据的时间序列预测
pyDSE 是一个用于动态系统估计的Python库。	动态系统估计的ARMA模型
PyEMMA 是一个用于马尔可夫模型分析的Python库。	基于马尔可夫模型的广泛分子动力学模拟分析
PyFlux 是一个用于时间序列分析的Python库。	经典时间序列预测模型
PyHubs	Hubness-aware 机器学习在 Python 中，包括通过基于动态时间规整的 KNN 分类进行时间序列分类
PyOD	异常检测工具箱
pysf 是一个Python库，用于处理结构化数据。	一个与 scikit-learn 兼容的机器学习库，适用于监督/面板预测
pmdarima 是一个用于时间序列分析的Python库。	将 R 的 auto.arima 方法移植到 Python
pyts 是一个Python库，专注于时间序列的转换和分类。	包含时间序列预处理、转换以及分类技术
ruptures 是一个用于检测时间序列中断点的Python库。	时间序列标注：变化点检测，分段
salesforce-merlion	来自 Salesforce 的库，用于预测、异常检测和变化点检测
scikit-fda 是一个用于功能数据分析的Python库。	一个用于执行功能数据分析的Python库，与scikit-learn兼容，包括表示、预处理、探索性分析和机器学习方法
scikit-multiflow 是一个用于多流数据流的机器学习库。	扩展scikit-learn以进行流数据的监督学习（动态在线学习），包括回归/分类和变化检测
scikit-survival 是一个用于生存分析的Python库。	基于 scikit-learn 的生存分析
seasonal 是一个GitHub项目。	工具包用于估计时间序列中的趋势和季节性
seqlearn 是一个用于序列分类的库。	将 scikit-learn 的管道概念扩展到时间序列注释
seglearn	将 scikit-learn 的管道概念扩展到用于分类、回归和预测的时间序列数据
sktime 是一个用于时间序列分析的Python库。	一个与 scikit-learn 兼容的库，用于处理时间序列/面板数据，包括时间序列分类/回归和（监督/面板）预测
statsforecast	Nixtla 的 StatsForecast 提供了一系列广泛使用的单变量时间序列预测模型，这些模型通过使用 numba 进行了高性能优化。
statsmodels 是一个用于统计建模、统计测试和统计数据探索的Python模块。	包含一个用于经典时间序列模型和假设检验的子模块
stumpy 是一个用于时间序列分析的Python库。	计算时间序列子序列全对相似性搜索的矩阵轮廓
tbats	该包提供了 BATS 和 TBATS 时间序列预测方法
tensorflow_probability.sts 是一个用于结构化时间序列分析的TensorFlow概率库模块。	Tensorflow Probability 中的贝叶斯结构时间序列模型
timechop 是一个用于时间切片分析的工具。	时间交叉验证工具包，属于社会公益数据科学预测分析框架的一部分
Traces	用于不均匀间隔时间序列分析的库
ta-lib 是一个技术分析库。	计算金融时间序列的技术指标（围绕TA-Lib的Python封装）
ta 是一个技术分析库。	计算金融时间序列的技术指标
tseries 是一个时间序列分析工具。	scikit-learn 兼容的时间序列回归器作为元估计器用于预测
tsfresh 是一个用于时间序列特征提取的库。	从时间序列中提取和过滤特征，允许监督分类器和回归器应用于时间序列数据
tslearn 是一个用于时间序列分析的Python库。	直接时间序列分类器和回归器
tspreprocess 是一个用于时间序列预处理的工具。	预处理时间序列（重采样、去噪等），仍在进行中
alibi-detect 是一个用于异常检测的工具。	异常、对抗和漂移检测工具箱

特定模型实现

项目名称	描述
ES-RNN 预测算法	结合指数平滑与使用PyTorch的循环神经网络的M4竞赛获胜预测方法的Python实现
用于时间序列分类的深度学习方法	用于时间序列分类的常见深度学习架构集合
M4 竞赛	统计和机器学习预测方法的集合
Microsoft 预测	预测模型和最佳实践的集合，在Python和R中接口现有库
LSTM-Neural-Network-for-Time-Series-Prediction	用于预测模型的LSTM
LSTM_tsc 是一个关于长短期记忆网络（LSTM）的GitHub项目。	用于时间序列分类的 LSTM
shapelets-python 是一个Python库，用于实现和分析时间序列数据中的形状特征。	基于多层神经网络的形状分类器
ROCKET 是一个高性能的Web框架。	使用随机卷积核的时间序列分类
TensorFlow-时间序列-示例	使用 tf.contrib.timeseries 进行时间序列预测
UCR_时间序列分类_深度学习_基线	用于最先进时间序列分类的全卷积神经网络
WTTE-RNN	基于RNN的Weibull密度估计的事件时间预测
TimeSeers	当预期有多个时间序列时，用于时间序列建模的 Prophet 替代方案

时间序列数据库和框架

项目名称	描述
arctic 是一个开源项目，提供了高效的数据存储和查询功能。	高性能时间序列和滴答数据的数据存储
automl_service 是一个自动机器学习服务的项目。	全自动时间序列分类管道，部署为网络服务
cesium 是一个开源项目。	时间序列平台，旨在提取非均匀采样信号的特征
thunder 是一个开源项目。	基于Spark的Python中图像和时间序列数据的可扩展分析
whisper 是一个用于时间序列数据的存储格式。	基于文件的时间序列数据库格式
FinTime 是一个用于金融时间序列分析的工具。	金融时间序列数据库框架，设计，基准测试
MNE 是一个用于处理和分析神经科学数据的Python库。	用于探索、可视化和分析神经生理时间序列数据（MEG、EEG等）的Python软件

致谢

感谢 Max Christ ，他在这里开始了列表 here。