2019独角兽企业重金招聘Python工程师标准>>> 
时间序列分析时可用到函数
| 函数 | 程序包 | 用途 |
| ts() | stats | 生成时序对象 |
| plot() | graphics | 画出时间序列的折线图 |
| start() | stats | 返回时间序列的开始时间 |
| end() | stats | 返回时间序列的结束时间 |
| frequency() | stats | 返回时间序列中时间点的个数，周期数 |
| window() | stats | 对时序对象取子集 |
| ma() | forecast | 拟合一个简单的移动平均模型 |
| stl() | stats | 用LOESS光滑将时序分解为季节项、趋势项和随机项 |
| monthplot() | stats | 画出时序中的季节项 |
| seasonplot() | forecast | 生成季节图 |
| HoltWinters() | stats | 拟合指数平滑模型 |
| forecast() | forecast | 预测时序的未来值 |
| accuracy() | forecast | 返回时序的拟合优度度量 |
| ets() | forecast | 拟合指数平滑模型，同时也可以自动选取最优模型 |
| lag() | stats | 返回取过指定滞后项的时序 |
| Acf() | forecast | 估计自相关函数 |
| Pacf() | forecast | 估计偏自相关函数 |
| diff() | base | 返回取过滞后项和（或）差分后的序列 |
| ndiffs() | forecast | 找到最优差分次数以移除序列中的趋势项 |
| adf.test() | tseries | 对序列做ADF检验以判断其是否平稳 |
| arima() | stats | 拟合ARIMA模型 |
| Box.test() | stats | 进行Ljung-Box检验以判断模型的残差是否独立 |
| bds.test() | tseries | 进行DBS检验以判断序列中的随机变了是否服从独立同分布 |
| auto.arima() | forecast | 自动选择ARIMA模型 |