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.

时间序列对象

TimeSeries — 表示一个由时间-值数据指定的时间函数

TimeSeriesQ — 测试时间序列对象是否有效

HolidayCalendar  ▪  ResamplingMethod  ▪  MergingFunction  ▪  ...

时间序列数据 »

ResourceData — 从 Wolfram Data Repository 获取整理好的时间序列数据

DataConnection — 连接到时间序列数据库

Tabular  ▪  FinancialData  ▪  WeatherData  ▪  Databin  ▪  ...

"EDF"  ▪  "BDF"  ▪  "CSV"  ▪  "XLSX"

时间序列转换器

EventSeriesAccumulate — 汇聚随时间变化的数据，从 EventSeries 转换

TimeSeriesEvents — 通过在时间序列中查找事件转换为 EventSeries

ToTabular  ▪  FromTabular  ▪  ...

时间序列数据清理 »

TransformMissing — 处理缺失的数据

TransformAnomalies  ▪  RenameColumns  ▪  CastColumns  ▪  PivotToColumns  ▪  ...

时间序列可视化 »

DateListPlot — 绘制时间序列随时间变化的图

ListFitPlot  ▪  StackedDateListPlot  ▪  DateListStepPlot  ▪  ...

Histogram — 绘制数值的直方图

SmoothHistogram  ▪  BoxWhiskerChart  ▪  DistributionChart  ▪  ...

时间序列统计 »

Mean — 求数值的均值

StandardDeviation  ▪  Variance  ▪  Median  ▪  Quantile  ▪  ...

简单的时间序列处理

TimeSeriesMap — 对分量值映射一个函数

TimeSeriesResample — 对时间序列进行重采样

TimeSeriesWindow  ▪  TimeSeriesInsert  ▪  TimeSeriesRescale  ▪  TimeSeriesShift  ▪  TimeSeriesThread  ▪  TimeSeriesMapThread  ▪  RegularlySampledQ  ▪  MinimumTimeIncrement

过滤和合成时间序列

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  ▪  ...

模型拟合 »

ModelFit — 模型拟合与选择

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  ▪  ...