Värmande start: Undersök autokorrelationer

Eftersom temperaturserien temp_NY är en random walk med drift, beräkna första differenser för att göra den stationär. Beräkna sedan stickprovsvis ACF och PACF. Det ger vägledning om lämplig modellordning.

Den här övningen är en del av kursen

Tidsserieanalys i Python

Visa kurs

Övningsinstruktioner

Importera modulerna för att plotta stickprovs-ACF och PACF
Beräkna första differenser av DataFramen temp_NY med pandas-metoden .diff()
Skapa två delgrafer för att plotta ACF och PACF
- Plotta stickprovs-ACF för den differentierade serien
- Plotta stickprovs-PACF för den differentierade serien

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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()

Redigera och kör kod