TimeSeriesMatrix

継承元: PhaseMethodsMixin, TimeSeriesMatrixCoreMixin, TimeSeriesMatrixAnalysisMixin, TimeSeriesMatrixSpectralMixin, TimeSeriesMatrixInteropMixin, SeriesMatrix

共通の時間軸を共有する複数の TimeSeries オブジェクト用の2Dマトリックスコンテナ。

このクラスは、各要素が TimeSeries データストリームに対応する2次元配列（行 x 列）を表します。マトリックス内のすべての要素は同じ時間配列を共有します（同じ t0, dt, サンプル数）。グリッド構造で整理された多変量時系列のように振る舞います。

主要プロパティ

プロパティ	説明
`dt`	時間間隔
`t0`	開始時刻
`times`	時間配列
`sample_rate`	サンプリングレート
`duration`	継続時間
`N_samples`	サンプル数
`channel_names`	要素名のフラットなリスト
`channels`	各要素のチャンネル識別子の2D配列

スペクトル変換

メソッド	説明
`fft()`	各要素の FFT を計算。FrequencySeriesMatrix を返す
`psd()`	各要素の PSD を計算。FrequencySeriesMatrix を返す
`asd()`	各要素の ASD を計算。FrequencySeriesMatrix を返す
`q_transform()`	各要素の Q 変換を計算。SpectrogramMatrix を返す

信号処理

メソッド	説明
`filter()` / `bandpass()` / `highpass()` / `lowpass()` / `notch()`	要素ごとのフィルタ適用
`resample()`	要素ごとのリサンプル
`detrend()`	要素ごとのトレンド除去
`lock_in()`	要素ごとのロックイン増幅

統計・解析

メソッド	説明
`mean()` / `std()` / `max()` / `min()` / `median()`	統計量計算
`rolling_mean()` / `rolling_std()` / `rolling_max()` / `rolling_min()`	ローリング統計
`pca()` / `ica()`	PCA/ICA 分解
`impute()`	欠損値の補完
`correlation_vector()`	ターゲット時系列と全チャンネルの相関（`method="pearson"` は高速なベクトル化パスあり）
`partial_correlation_matrix()`	全チャンネルの偏相関行列（precision から計算、shrinkage/eps 対応）
`coherence()` / `csd()`	コヒーレンス/クロススペクトル計算

線形代数

メソッド	説明
`det()`	各サンプル点での行列式
`inv()`	各サンプル点での逆行列
`trace()`	対角要素の和
`schur()`	シュア補行列
`diagonal()`	対角要素の抽出

変換・相互運用

メソッド	説明
`to_pandas()`	pandas DataFrame に変換
`to_dict()` / `to_list()`	TimeSeriesDict / TimeSeriesList に変換
`to_torch()` / `to_tensorflow()` / `to_jax()` / `to_cupy()`	ML フレームワークへ変換
`from_neo()`	neo.AnalogSignal から作成

入出力

メソッド	説明
`read()`	ファイルからマトリックスを読み込む
`write()`	マトリックスをファイルに書き込む
`to_hdf5()` / `to_zarr()`	HDF5/Zarr 形式で保存

データ操作

メソッド	説明
`crop()`	GPS 開始/終了時刻でクロップ。gwexpy.time.to_gps がサポートする形式を使用可能
`append()` / `prepend()`	サンプル軸に沿って別のマトリックスを追加
`interpolate()`	新しいサンプル軸に補間
`pad()`	サンプル軸に沿ってパディング