時間序列資料中的自我相關（Autocorrelation）
在時間序列分析中，自我相關（autocorrelation）是指時間序列與其自身滯後版本之間的相關性。例如，order 3 的自我相關會回傳時間序列與其自身滯後 3 個時間點之間的相關係數。
常見的做法是使用自我相關函數（ACF）圖，也稱為自我關聯圖，來視覺化時間序列的自我相關。statsmodels 函式庫中的 plot_acf() 函式可用來計算並繪製時間序列的自我相關。
本練習屬於課程
使用 Python 視覺化時間序列資料
練習說明
- 從
statsmodels.graphics匯入tsaplots。 - 使用
tsaplots的plot_acf()來繪製co2_levels中'co2'欄位的自我相關。 - 將最大滯後指定為 24。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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()