просто я регулярно работаю с таблицами, где основным ключом является либо время, либо например частота, либо 2d координаты на плоскости
принципиальной разницы между этими случаями не заметил

Функции те же самые, другая реализация.
Это кстати обсуждается в том issue, который Виктор указал.

У временных рядов есть как минимум две принципиальные особенности
1. Есть отдельная колонка, которая обозначает время. Она используется по умолчанию для фильтрации, джойнов, группировки.
2. События всегда отсортированы по этой колонке.

Почитайте в обсуждении по ссылке, там есть подробно про отличия типа времени от обычных индексов

👍

посмотрел, всё равно не вижу никакой специфики именно времени
кажется, что все обсуждаемые там функции применимы к данным, которые индексируются, например, расстоянием, или частотой, или любой другой физической величиной

Конечно применимы.

Там же с самого начала сказано, что DataFrames покрывают все задачи, связанные с временными структурами.

ну вот например там пишут:
> I would assume that TimeSeries.jl would be a more specialized package which would provide functions that may be only made available if we have a notion of time index. There are many such use cases, that are currently hard with DataFrames.jl, e.g.:

lag by a period of time
interpolate
aggregate by some time periods
smooth data

Все эти операции вообще никак не завязаны именно на время, и их реализация не зависит от типа индекса (Float vs DateTime vs Unitful meter vs ...)

Но просто всякие вещи можно всякие вещи делать, например поиск строчки по дате можно делать с помощью searchsortedfirst

Можно всякий сахар вводить, который будет по умолчанию подразумевать временную колонку.
Что-нибудь типа

ta[ta > Date("2020-01-01") && ta < Date("2021-01-01")]

Раздел A: https://github.com/JuliaStats/TimeSeries.jl/issues/482#issuecomment-778704466

То есть конечно чуть длиннее можно записать для любого типа данных.

опять же, ничего специфичного для времени
частота, расстояние, etc тоже непрерывны и не привязаны к индексам конкретного массива

в чём разница относительно ta[ta > 0.5 && ta < 1.5] и groupby(round, ta) для флоатов?

Можно всякий сахар вводить, который будет по умолчанию подразумевать временную колонку.
Что-нибудь типа

ta[ta > Date("2020-01-01") && ta < Date("2021-01-01")]

А расстояние имеет смысл упорядочивать? И всегда в возрастающем порядке?

конечно, повторю что ситуация ровно такая же как со временем:
когда эта величина является индексом в наборе данных, т.е. например измерение делается раз в минуту/раз в метр/раз в килогерц, они обычно упорядочены

Ну, во-первых таких структур (с индексом произвольного типа) вроде бы нет, насколько я знаю.