推荐 3 个 Python 时序分析神器

时间序列分析是一类经典问题，常见的场景需求包括时序预测、时序分裂、时序聚类、异常检测等。

作为一名算法工程师，当调包遇上时间序列，有哪些好用的工具包呢？本篇首先介绍3个： tsfresh、tslearn、sktime 。

本 文主要对三个时序工具包进行简要介绍， 包括工具包的功能定位、主要特色及优劣势等，并列出了相关的论 文、文档和github地址可供详细查阅 。

一、tsfresh

tsfresh工具包，是一个定位于时间序列特征工程相关的工具包，包括对时间序列自动提取特征、特征选择、特征转换等，最早于2018年由德国的几名学者提出和开发。也正因为是定位于特征工程，所以 tsfresh本身是不能用于实现时序预测或者时序分类等任务的，但可以基于其特征提取的结果完成后续的操作 ，例如进行多时序聚类时首先应用tsfresh完成对不同时序数据的特征是一个很好的选择。

tsfresh接收的时序数据类型为pandas的dataframe格式，时序数据的组织形式既可以长表也可以是宽表。在其提取的特征中， 主要是关于时序数据的各项统计指标，例如最大最小值、均值、中位数、峰值 个数等等，另外也可以自定义一些参数来提取更为定制化的特征，直接调用extract_features函数大概会得到几百个维度的特征提取结果，其中根据具体的时序数据取值可能会有较多的空值。

从某种意义上讲，tsfresh提取的特征是关于时序数据的元特征，所以对于时序分类或聚类可能会更加有用，但用于时序预测则意义不大。