Scaldiamo i motori: osserva le autocorrelazioni
Dato che la serie delle temperature, temp_NY, è un random walk con drift, calcola le prime differenze per renderla stazionaria. Poi calcola l'ACF e la PACF campionarie. Questo ti aiuterà a individuare l'ordine del modello.
Questo esercizio fa parte del corso
Analisi delle serie temporali in Python
Istruzioni dell'esercizio
- Importa i moduli per tracciare l'ACF e la PACF campionarie
- Calcola le prime differenze del DataFrame
temp_NYusando il metodo pandas.diff() - Crea due sottotrame (subplots) per tracciare ACF e PACF
- Traccia l'ACF campionaria della serie differenziata
- Traccia la PACF campionaria della serie differenziata
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Import the modules for plotting the sample ACF and PACF
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf
# Take first difference of the temperature Series
chg_temp = ___.___
chg_temp = chg_temp.dropna()
# Plot the ACF and PACF on the same page
fig, axes = plt.subplots(2,1)
# Plot the ACF
plot_acf(___, lags=20, ax=axes[0])
# Plot the PACF
plot_pacf(___, lags=20, ax=axes[1])
plt.show()