关于autocorrelation_plot结果与autocorr结果的问题

Question

我用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()来计算具有不同滞后的自相关：

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

对于所有滞后，输出均为1（或0.99）。但是从相关图可以清楚地看到，自相关是一条曲线，而不是固定为1的直线。

我是否正确解释了相关图，或者我使用了不正确的autocorr（）函数？谢谢！

Answer 1

您正确使用了两个函数，但是... Autocorrelation_plot使用的计算自相关的方法与autocorr()使用的方法不同。

以下两篇文章详细说明了这些差异。不幸的是，我不知道哪种计算方法是正确的方法：

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，可以按如下方式从自相关图中获得自相关：

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