为了获得更好的预测效果，并且可以简单高效的完成任务，本文中我将分享给大家7个用于处理时间序列问题的 Python 工具包。

tsfresh: 特征提取。https://github.com/blue-yonder/tsfresh

AutoTs: 自动处理。Github: https://github.com/winedarksea/AutoTS

Prophet: facebook开发的软件包，处理季节性数据。https://github.com/facebook/prophet

dart: 有助于时间序列的操作和预测。语法是“sklearn-friendly”, 它还包含了从 ARIMA 到神经网络的各种模型。https://github.com/unit8co/darts

Atspy: 代表Python 中的自动时间序列模型。该库的目标是预测单变量时间序列。https://github.com/firmai/atspy

kats: 是 Facebook 研究团队最近开发的另一个专门处理时间序列数据的库。该框架的目标是为解决时间序列问题提供一个完整的解决方案。https://github.com/facebookresearch/Kats/tree/main/tutorials

sktime: 它适用于时间序列数据，并且与 scikit-learn 兼容。https://github.com/alan-turing-institute/sktime