Autokorrelation in Zeitreihendaten

In der Zeitreihenanalyse bezeichnet Autokorrelation die Korrelation einer Zeitreihe mit einer zeitlich verschobenen Version von sich selbst. Eine Autokorrelation der Ordnung 3 gibt zum Beispiel die Korrelation zwischen einer Zeitreihe und ihren eigenen Werten zurück, die um 3 Zeitpunkte verzögert sind.

Zur Visualisierung der Autokorrelation einer Zeitreihe verwendet man häufig das Autokorrelationsdiagramm (ACF), auch Selbstkorrelation genannt. Mit der Funktion plot_acf() aus der Bibliothek statsmodels kannst du die Autokorrelation einer Zeitreihe berechnen und darstellen.

Diese Übung ist Teil des Kurses

Zeitreihendaten in Python visualisieren

Kurs anzeigen

Anleitung zur Übung

Importiere tsaplots aus statsmodels.graphics.
Verwende die Funktion plot_acf() aus tsaplots, um die Autokorrelation der Spalte 'co2' in co2_levels zu plotten.
Gib eine maximale Verzögerung (lag) von 24 an.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import required libraries
import matplotlib.pyplot as plt
plt.style.use('fivethirtyeight')
from ____ import ____

# Display the autocorrelation plot of your time series
fig = ____(co2_levels[____], lags=____)

# Show plot
plt.show()

Code bearbeiten und ausführen