Python时间序列分析库Kats的安装

一、Kats库介绍

Kats (Kits to Analyze Time Series) 是一个轻量级、易于使用、可扩展和通用的框架，用于在 Python 中执行时间序列分析。 时间序列分析是数据科学和工程工作的重要组成部分，当然我们做运维的也主要是和时序数据打交道，尤其是做异常检测、时序预测的项目。 Kats 旨在为单变量和多变量时间序列的技术提供一站式服务，包括：

预测（Forecasting）
异常和变化点检测（Anomaly and Change Point Detection）
特征提取（Feature Extraction）
git地址为https://github.com/facebookresearch/Kats

二、安装

按照官网安装

pip install --upgrade pip
pip install kats

安装过程基本会报错，其重要的原因是需要安装fbprophet这个库，那么我们按照提示缺什么装什么原则，不停地执行 pip install kats, 不停地安装缺少的库，这个过程比较繁琐，不要放弃。
其中有几个库最好安装指定版本

pip install pystan==2.19.1.1
pip install holidays==0.10.2
pip install packaging==21

再次执行，很顺利就安装完成了。

pip install kats

最终安装完，所有库的版本如下：

Package                  Version
------------------------ ------------
attrs                    23.1.0
ax-platform              0.2.4
botorch                  0.6.2
cmake                    3.27.2
cmdstanpy                0.9.5
contourpy                1.1.0
convertdate              2.4.0
cycler                   0.11.0
Cython                   3.0.2
Deprecated               1.2.14
ephem                    4.1.4
exceptiongroup           1.1.3
fbprophet                0.7.1
filelock                 3.12.3
fonttools                4.42.1
gpytorch                 1.11
holidays                 0.10.2
importlib-metadata       6.8.0
importlib-resources      6.0.1
iniconfig                2.0.0
jaxtyping                0.2.19
Jinja2                   3.1.2
joblib                   1.3.2
kats                     0.2.0
kiwisolver               1.4.5
korean-lunar-calendar    0.3.1
linear-operator          0.5.2
lit                      16.0.6
llvmlite                 0.40.1
LunarCalendar            0.0.9
MarkupSafe               2.1.3
matplotlib               3.7.2
mpmath                   1.3.0
multipledispatch         1.0.0
networkx                 3.1
numba                    0.57.1
numpy                    1.21.6
nvidia-cublas-cu11       11.10.3.66
nvidia-cuda-cupti-cu11   11.7.101
nvidia-cuda-nvrtc-cu11   11.7.99
nvidia-cuda-runtime-cu11 11.7.99
nvidia-cudnn-cu11        8.5.0.96
nvidia-cufft-cu11        10.9.0.58
nvidia-curand-cu11       10.2.10.91
nvidia-cusolver-cu11     11.4.0.1
nvidia-cusparse-cu11     11.7.4.91
nvidia-nccl-cu11         2.14.3
nvidia-nvtx-cu11         11.7.91
packaging                21.0
pandas                   1.3.5
parameterized            0.9.0
patsy                    0.5.3
Pillow                   10.0.0
pip                      23.2.1
plotly                   5.16.1
pluggy                   1.3.0
pymannkendall            1.4.3
PyMeeus                  0.5.12
pyparsing                3.0.9
pystan                   2.19.1.1
pytest                   7.4.1
pytest-mpl               0.16.1
python-dateutil          2.8.2
pytz                     2023.3.post1
scikit-learn             1.3.0
scipy                    1.7.3
seaborn                  0.12.2
setuptools               68.0.0
setuptools-git           1.2
six                      1.16.0
statsmodels              0.12.2
sympy                    1.12
tenacity                 8.2.3
threadpoolctl            3.2.0
tomli                    2.0.1
torch                    2.0.1
tqdm                     4.66.1
triton                   2.0.0
typeguard                2.13.3
typing_extensions        4.7.1
tzdata                   2023.3
wheel                    0.38.4
wrapt                    1.15.0
zipp                     3.16.2

三、说明

可能网上的帖子会推荐大家用下面这个命令进行安装

conda install pystan -c conda-forge
conda install fbprophet -c conda-forge
conda install plotly -y
conda install kats -c conda-forge

我建议是最好不要，因为特别耗时间，而且不一定能成功，回头打镜像也不方便，按照我的步骤一会儿就安装好了，而且用docker打镜像的时候也比较方便将对应的依赖打进去。

完结，撒花