关于 autocorrelation_plot 结果与 autocorr 结果的问题答案

【问题标题】：Question about autocorrelation_plot result vs autocorr result关于 autocorrelation_plot 结果与 autocorr 结果的问题
【发布时间】：2019-05-29 18:45:50
【问题描述】：

我使用autocorrelation_plot 绘制了一条直线的自相关：

import numpy as np
import pandas as pd
from pandas.plotting import autocorrelation_plot
import matplotlib.pyplot as plt

dr = pd.date_range(start='1984-01-01', end='1984-12-31')

df = pd.DataFrame(np.arange(len(dr)), index=dr, columns=["Values"])
autocorrelation_plot(df)
plt.show()

然后，我尝试使用autocorr() 计算不同滞后的自相关：

for i in range(0,366):
    print(df['Values'].autocorr(lag=i))

所有滞后的输出为 1（或 0.99）。但是从相关图中可以清楚地看出，自相关是一条曲线，而不是一条固定为1的直线。

我是否错误地解释了相关图，或者我是否错误地使用了 autocorr() 函数？谢谢！

【问题讨论】：

标签： python pandas autocorrelation

【解决方案1】：

您正确使用了这两个函数，但是...Autocorrelation_plot 使用与 autocorr() 不同的计算自相关的方法。

以下两篇文章详细解释了这些差异。不幸的是，我不知道哪种计算方式是正确的：

What's the difference between pandas ACF and statsmodel ACF?

Why NUMPY correlate and corrcoef return different values and how to "normalize" a correlate in "full" mode?

如果需要，您可以从自相关图中获取自相关，如下所示：

ax = autocorrelation_plot(df)
ax.lines[5].get_data()[1]

【讨论】：

感谢您的链接。据我所知，autocorr() 称为np.corrcoef()，它计算皮尔逊相关性，这与自动完成相关性不同。 autocorrelation_plot 的实现是正确的。我已提交an issue on github。