1. 학습
    2. /
  2. 강의
    3. /
  3. Python으로 시계열 데이터 시각화
Connected

연습 문제

시계열 데이터의 부분 자기상관

자기상관과 마찬가지로, 부분 자기상관 함수(PACF)는 시계열과 그 시계열의 지연(lag) 값들 간의 상관계수를 측정해요. 하지만 PACF는 이전 시점들의 영향을 제거한 뒤의 상관만을 계산한다는 점이 다릅니다. 예를 들어 order 3의 부분 자기상관은 시계열(t_1, t_2, t_3, …)과 3시점 지연된 값들(t_4, t_5, t_6, …) 사이의 상관을 반환하는데, 이때 lag 1과 2에 해당하는 모든 영향을 먼저 제거한 뒤의 값을 의미해요.

statsmodels 라이브러리의 plot_pacf() 함수는 시계열의 부분 자기상관을 계산하고 시각화하는 데 사용할 수 있어요.

지침

100 XP
  • statsmodels.graphics에서 tsaplots를 가져오세요.
  • tsaplots의 plot_pacf() 함수를 사용해 co2_levels의 'co2' 열에 대한 부분 자기상관을 그리세요.
  • 최대 lag을 24로 지정하세요.