時系列データの自己相関
時系列解析では、自己相関とは、ある時系列とそれを遅らせた（ラグをとった）同じ系列との相関を指します。たとえば、order 3 の自己相関は、元の時系列と、その値を3時点だけ遅らせた系列との相関を返します。
自己相関を可視化するには、自己相関関数（ACF）プロット（自己自己相関とも呼ばれます）がよく使われます。statsmodels ライブラリの plot_acf() 関数を使うと、時系列の自己相関を計算し、プロットできます。
この演習はコースの一部です
Pythonで学ぶ時系列データの可視化
演習の手順
statsmodels.graphicsからtsaplotsをインポートします。tsaplotsのplot_acf()を使って、co2_levelsの'co2'列の自己相関をプロットします。- 最大ラグを 24 に指定します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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()