Python|熊猫 Series.autocorr()

Pandas 系列是带有轴标签的一维 ndarray。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，并提供了许多用于执行涉及索引的操作的方法。

Pandas Series.autocorr()函数计算滞后 N 自相关。此方法计算 Series 与其移位的自身之间的 Pearson 相关性。

Syntax: Series.autocorr(lag=1)

Parameter :
lag : Number of lags to apply before performing autocorrelation.

Returns : float

示例 #1：使用Series.autocorr()函数计算给定系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()函数来计算给定系列对象的基础数据的 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那样， Series.autocorr()函数已成功返回给定系列对象的基础数据的自动相关性，滞后时间为 1。示例 #2：使用Series.autocorr()函数计算给定系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()函数来计算给定系列对象的基础数据的 lag-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那样， Series.autocorr()函数已成功返回给定系列对象的基础数据的自动相关性，滞后时间为 1。