Python | Pandas series.auto corr()
原文:https://www.geesforgeks.org/python-pandas-series-auto corr/
熊猫系列是带有轴标签的一维数组。标签不必是唯一的，但必须是可散列的类型。该对象支持基于整数和基于标签的索引，并提供了一系列方法来执行涉及索引的操作。
熊猫 **Series.autocorr()**函数计算滞后-N 自相关。这种方法计算数列与其移位自身之间的皮尔逊相关。
语法: Series.autocorr(lag=1)
参数: 滞后:执行自相关前应用的滞后数。
返回:浮动
示例#1: 使用Series.autocorr()函数计算给定序列对象的基础数据的滞后-N 自相关。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([11, 21, 8, 18, 65, 18, 32, 10, 5, 32, None])
# Create the Index
index_ = pd.date_range('2010-10-09 08:45', periods = 11, freq ='H')
# set the index
sr.index = index_
# Print the series
print(sr)
输出:
现在我们将使用Series.autocorr()函数来计算给定序列对象的底层数据的 lag-n 自相关。
# return the auto correlation
result = sr.autocorr()
# Print the result
print(result)
输出:
正如我们在输出中看到的，Series.autocorr()函数已经成功地通过 lag 1 返回了给定序列对象的底层数据的自相关。
示例 2 : 使用Series.autocorr()函数计算给定序列对象的基础数据的滞后-N 自相关。取滞后值等于 3。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([34, 5, 13, 32, 4, 15])
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']
# set the index
sr.index = index_
# Print the series
print(sr)
输出:
现在我们将使用Series.autocorr()函数来计算给定序列对象的底层数据的滞后 n 自相关。
# return the auto correlation
# by lag-3
result = sr.autocorr(lag = 3)
# Print the result
print(result)
输出:
正如我们在输出中看到的，Series.autocorr()函数已经成功地通过 lag 1 返回了给定序列对象的底层数据的自相关。
