Python Pandas Series.autocorr()用法及代码示例

Pandas 系列是带有轴标签的一维ndarray。标签不必是唯一的，但必须是可哈希的类型。该对象同时支持基于整数和基于标签的索引，并提供了许多方法来执行涉及索引的操作。

Pandas Series.autocorr()函数计算lag-N自相关。该方法计算级数及其移位后的自我之间的皮尔逊相关性。

用法： Series.autocorr(lag=1)

参数：
lag:执行自相关之前要应用的滞后次数。

返回：浮点数

范例1：采用Series.autocorr()函数来计算给定系列对象的基础数据的lag-N自相关。

# 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，Series.autocorr()函数已成功将给定系列对象的基础数据的自动相关性延迟1返回。

范例2：采用Series.autocorr()函数来计算给定系列对象的基础数据的lag-N自相关。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，Series.autocorr()函数已成功将给定系列对象的基础数据的自动相关性延迟1返回。

相关用法

注：本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas Series.autocorr()。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。