时间序列处理
时间序列是按时间排序的数值集合. 保持这个顺序帮助识别趋势、检测季节性模式和预测未来数值. 这样的序列出现在许多领域，从计量经济学（失业率…）、金融（股票价格…）和人口统计（出生率…）到星象学（降雨…）、生理学（心跳率…）和信息技术（网络流量…）. 时间序列紧密集成到 Wolfram 语言中，允许具有绝对或者日历时间、规则或者不规则采样、标量或者向量数值、单个或者多个序列并且出现了缺失数据的完美无缝的工作流. Wolfram 语言提供了大量工具集来处理时间序列. 这些工具的范围涵盖描述性统计量、滤波器和可视化来预测、仿真和高度自动建模框架.
构建
TimeSeries — 时间-数值对的序列
EventSeries — 样本之间没有插值的特殊时间序列
TemporalData — 时间序列的集合
ResamplingMethod ▪ MissingDataMethod ▪ TemporalRegularity
RandomFunction ▪ FinancialData ▪ FinancialIndicator
Country City Company Movie ...
可视化 »
DateListPlot — 可视化时间序列
StackedDateListPlot — 绘制堆栈于彼此顶部的多时间序列数据
DateListLogPlot ▪ DateListStepPlot ▪ TimelinePlot ▪ DateHistogram ▪ Histogram ▪ ...
基本操作
TimeSeriesWindow — 在指定的时间窗口给出时间序列
TimeSeriesInsert — 把时间-数值对插入时间序列
TimeSeriesRescale ▪ TimeSeriesResample ▪ TimeSeriesShift ▪ TimeSeriesThread ▪ TimeSeriesMap ▪ TimeSeriesMapThread ▪ RegularlySampledQ ▪ MinimumTimeIncrement
基本统计量 »
Mean — 求数值的均值
StandardDeviation ▪ Variance ▪ Median ▪ Quantile ▪ ...
EmpiricalDistribution — 求数值的经验分布
HistogramDistribution ▪ KernelMixtureDistribution ▪ EstimatedDistribution
滤波和合成时间序列
MovingMap — 对平移叠合窗口应用函数
TimeSeriesAggregate — 对平移非叠合窗口应用函数
Differences ▪ Accumulate ▪ MovingAverage ▪ MovingMedian ▪ ...
LowpassFilter ▪ HighpassFilter ▪ MeanFilter ▪ ...
拟合和插值
FindFit — 将时间函数拟合为时间序列
Interpolation ▪ LinearModelFit ▪ NonlinearModelFit ▪ ...
时间序列过程建模 »
TimeSeriesModelFit — 自动拟合时间序列模型
TimeSeriesForecast ▪ CorrelationFunction ▪ PowerSpectralDensity ▪ ...
时间规格 »
DateObject, TimeObject — 日期、时间规格
Now ▪ DatePlus ▪ LocalTime ▪ TimeZoneConvert ▪ UnitConvert ▪ ...
使用 Wolfram Data Drop »
Databin — 表示 Wolfram Data Drop 中积累的数据仓