टैक्सिंग एक्सरसाइज़: ACF निकालें
पिछले अध्याय में, आपने एक lag के साथ autocorrelations की गणना की थी. अक्सर हम कई lags पर autocorrelation देखना चाहते हैं. H&R Block (टिकर सिंबल HRB) की तिमाही कमाई प्लॉट की गई है, और आप इसकी कमाई की तीव्र चक्रीयता देख सकते हैं. इसकी अधिकांश कमाई उसी तिमाही में होती है जब टैक्स देय होते हैं.
आप DataFrame HRB में पहले से लोड की गई H&R Block की तिमाही कमाई के लिए autocorrelations की array निकालेंगे. फिर plot_acf मॉड्यूल का उपयोग करके autocorrelation function प्लॉट करें. यह प्लॉट दिखाता है कि चक्रीय कमाई वाले डेटा के लिए autocorrelation function कैसा दिखता है. lag=0 पर ACF हमेशा 1 होता है, यह तो स्पष्ट है. अगले अभ्यास में, आप ACF के confidence interval के बारे में सीखेंगे, लेकिन अभी के लिए, confidence interval को दबाने हेतु alpha=1 सेट करें.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Time Series Analysis
अभ्यास निर्देश
- statsmodels से
acfमॉड्यूल औरplot_acfमॉड्यूल इम्पोर्ट करें. - DataFrame
HRBमें तिमाही कमाई के डेटा की autocorrelations की array की गणना करें. HRBकी तिमाही कमाई के डेटा का autocorrelation function प्लॉट करें, और confidence interval हटाने के लिए आर्ग्युमेंटalpha=1पास करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import the acf module and the plot_acf module from statsmodels
from statsmodels.tsa.stattools import acf
from statsmodels.graphics.tsaplots import plot_acf
# Compute the acf array of HRB
acf_array = acf(___)
print(acf_array)
# Plot the acf function
plot_acf(___)
plt.show()