关于autocorrelation_plot结果与自相关结果的问题

Question

我使用autocorrelation_plot绘制了一条直线的自相关：

import numpy as np
import pandas as pd
from pandas.plotting import autocorrelation_plot
import matplotlib.pyplot as plt

dr = pd.date_range(start='1984-01-01', end='1984-12-31')

df = pd.DataFrame(np.arange(len(dr)), index=dr, columns=["Values"])
autocorrelation_plot(df)
plt.show()

​

​

然后，我尝试使用autocorr()来计算具有不同滞后的自相关：

for i in range(0,366):
    print(df['Values'].autocorr(lag=i))

对于所有延迟，输出为1(或0.99)。但从相关图中可以清楚地看出，自相关是一条曲线，而不是一条固定在1的直线。

我是不是错误地解释了correlogram，还是错误地使用了autocorr()函数？谢谢!

Answer 1

您正确地使用了这两个函数，但是...与autocorr()相比，Autocorrelation_plot使用不同的方法来计算自相关性。

下面两篇文章解释了更多的不同之处。不幸的是，我不知道哪种计算方法是正确的：

What's the difference between pandas ACF and statsmodel ACF?

Why NUMPY correlate and corrcoef return different values and how to "normalize" a correlate in "full" mode?

如果需要，您可以从自相关图中获得自相关，如下所示：

ax = autocorrelation_plot(df)
ax.lines[5].get_data()[1]