自相关：自相关在多行中的应用

Question

我想找到滞后1,2，... N的一系列数字的自相关

在此示例中，我有56个数字，N = 20。

所以我有一个前56列为随机数的文件。 从第57列到第77列，我具有滞后1,2 ... 20的自相关。 假设我仅加载第1-56列。在此示例中，我只有一行，但也可以是几行。

因此，目标是获得以下结果：

我现在是在excel中完成的，但是如何在Python中做到这一点呢？还有：如果我有几行怎么办？如何在多行上做到这一点？

我找到了这段代码，我认为这是一个好的开始。

import numpy
def acf(series):
    n = len(series)
    data = numpy.asarray(series)
    mean = numpy.mean(data)
    c0 = numpy.sum((data - mean) ** 2) / float(n)

def r(h):
    acf_lag = ((data[:n - h] - mean) * (data[h:] - mean)).sum() / float(n) / 
    c0
    return round(acf_lag, 3)
x = numpy.arange(n) # Avoiding lag 0 calculation
acf_coeffs = map(r, x)
return acf_coeffs

第一个函数中的数字是'n'；在我的示例中是“ 56”，变量“ data”只是前56列。 c0是自相关公式的分母。

现在，我看到h是滞后次数。因此，在我的示例1至20中。 acf_lag是自相关的实际公式，因此看起来还不错。

我苦苦挣扎的事情是：如何在将其应用于数据框的地方编写代码行，以便得到想要的结果？

感谢每位帮助！

更新：

我试图不定义函数“ acf”，而是将其全部声明为单独的变量：

n = len(df.columns)-20
data = df.iloc[:,:56]
mean = data.mean(axis=1)
c0 = np.sum((data - mean) ** 2) / float(n)

也许我以后可以定义r（h）函数。但是c0每56列给我一个零，而它应该从每列（1到56）中提取平均值。这没有发生。