Szeregi czasowe są sekwencją wartości danych mierzoną w kolejnych, choć niekoniecznie regularnych, punktach w czasie. Biblioteka szeregów czasowych umożliwia wykonywanie różnych kluczowych operacji na danych szeregów czasowych, w tym segmentacji, prognozowania, łączenia, transformacji i reduktorów.

Biblioteka obsługuje różne typy szeregów czasowych, w tym numeryczne, jakościowe i macierzowe. Przykładami danych szeregów czasowych są:

• Ceny akcji i wolumen obrotu giełdowego
• Dane Clickstream
• Dane dotyczące elektrokardiogramu (EKG)
• Dane dotyczące temperatury lub sejsmografii
• Pomiary wydajności sieci
• Protokoły sieciowe
• Zużycie energii elektrycznej zarejestrowane przez inteligentny licznik i przekazywane za pośrednictwem kanału informacyjnego Internet of Things (Internet of Things)

Wpis w szeregach czasowych nazywany jest obserwacją. Każda obserwacja obejmuje znacznik czasu, 64-bitową liczbę całkowitą, która wskazuje, kiedy obserwacja została wykonana, oraz dane, które zostały zarejestrowane dla tej obserwacji. Zarejestrowane dane mogą być liczbowe, na przykład, temperatura lub cena akcji, lub jakościowa, na przykład, obszar geograficzny. Szeregi czasowe mogą, ale niekoniecznie muszą być powiązane z systemem odniesienia czasu (Time reference system-TRS), który definiuje granulację każdego tyknięcia i czasu rozpoczęcia.

Biblioteka szeregów czasowych jest dostępna tylko w języku Python .