1. Learn
    2. /
  2. 课程
    3. /
  3. 用 Python 可视化时间序列数据
Connected

道练习

时间序列中的偏自相关

与自相关类似，偏自相关函数（PACF）衡量时间序列与其滞后版本之间的相关系数。但它在此基础上进一步消除了较早时间点的影响。例如，order 3 的偏自相关表示时间序列（t_1、t_2、t_3、…）与其滞后 3 个时间点的取值（t_4、t_5、t_6、…）之间的相关性，但前提是先剔除了由 1 阶和 2 阶滞后所造成的全部影响。

statsmodels 库中的 plot_pacf() 函数可用于计算并绘制时间序列的偏自相关。

说明

100 XP
  • 从 statsmodels.graphics 导入 tsaplots。
  • 使用 tsaplots 的 plot_pacf() 函数绘制 co2_levels 中 'co2' 列的偏自相关图。
  • 将最大滞后设为 24。