如何用Python绘制时间序列的ACF和PACF图？

本文共计384个文字，预计阅读时间需要2分钟。

自相关图是一个平面二维坐标悬浮线图。横坐标表示滞后阶数，纵坐标表示自相关系数。自相关图与自相关图类似，横坐标表示滞后阶数，纵坐标表示偏自相关系数。自相关图与偏自相关图表示滞后阶数、偏自相关系数，以及自相关系数与偏自相关系数之间的关系。

自相关图是一个平面二维坐标悬垂线图。横坐标表示延迟阶数，纵坐标表示自相关系数

偏自相关图跟自相关图类似， 横坐标表示延迟阶数，纵坐标表示偏自相关系数

自相关图与偏自相关图的python代码实现：

from statsmodels.graphics.tsaplots import plot_acf, plot_pacf

plot_acf(b.salesVolume)
plot_pacf(b.salesVolume)

可以看到，这个数据是偏自相关系数拖尾，自相关系数截尾的数据

补充知识：python 数据相关性可视化

话不多说直接上代码

import matplotlib.pyplot as plt import seaborn as sns data = test_feature.corr() #test_feature => pandas.DataFrame# sns.heatmap(data) plt.show()

效果图

以上这篇python实现时间序列自相关图(acf)、偏自相关图(pacf)教程就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持易盾网络。