时间序列数据中的自相关
在时间序列分析中，自相关指的是时间序列与其自身滞后版本之间的相关性。例如，order 3 的自相关表示该时间序列与其向后滞后 3 个时间点后的数值之间的相关性。
通常会使用自相关函数（ACF）图，也称为自相关图，来可视化时间序列的自相关性。statsmodels 库中的 plot_acf() 函数可用于度量并绘制时间序列的自相关。
本练习是课程的一部分
用 Python 可视化时间序列数据
练习说明
- 从
statsmodels.graphics导入tsaplots。 - 使用
tsaplots中的plot_acf()来绘制co2_levels中'co2'列的自相关。 - 将最大滞后设为 24。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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()