我有一个长度为177的数据框，我想计算和绘制部分自相关函数（PACF）。
我已经导入了数据，等等：
from statsmodels.tsa.stattools import pacf
ys = pacf(data[key][array].diff(1).dropna(), alpha=0.05, nlags=176, method="ywunbiased")
xs = range(lags+1)
plt.figure()
plt.scatter(xs,ys[0])
plt.grid()
plt.vlines(xs, 0, ys[0])
plt.plot(ys[1])
所使用的方法在很长的滞后（90毫秒）内得出大于1的数字，这是不正确的，并且我得到了RuntimeWarning：在sqrtreturn rho中遇到无效值，np.sqrt（sigmasq），但由于我看不到它们的来源代码我不知道这意味着什么。
说实话，当我搜索PACF时，所有示例仅执行最多40个滞后或60个左右的PACF，并且在lag = 2之后它们从未具有任何有效的PACF，因此我也无法与其他示例进行比较。
但是当我使用时：
method="ols"
# or
method="ywmle"
数字已更正。因此，这一定是他们用来解决问题的算法。
我尝试导入inspect和getsource方法，但它无用，只是表明它使用了另一个软件包，而我找不到。
如果您也知道问题出在哪里，我将非常感谢您的帮助。
作为参考，data [key] [array]的值为：
[1131.130005，1144.939941，1126.209961，1107.300049，1120.680054，1140.839966，1101.719971，1104.23999，1114.579956，1130.199951，1173.819946，1211.920044，1181.27002，1203.599976，1180.589966，1156.849976，1191.5，1189.900.900.129.109.109.129.109.109 1248.290039，1280.079956，1280.660034，1294.869995，1310.609985，1270.089966，1270.199951，1276.660034，1303.819946，1335.849976，1377.939941，1400.630005，1418.300049，1438.23999，1406.819946，1420.859985 1473.4999.8695 1.685.4996.83456 1378.550049、1330.630005、1322.699951、1385.589966、1400.380005、1280.0、1267.380005、1282.829956、1166.359985、968.75、896.23999、903.25、825.880005、735.090027、797.869995、872.809998000000 109.9990090099005.99009.7900900099900999009999.9006.9900.900.900.900.900.900.600.900.600.900.600.900.900.600.900.90.995.1099.1099.1079.1099900、900.99.995.99.995.109.998.109.998.1099.109.109.109.995.109 1104.48999、1169.430054、1186.689941、1089.410034、1030.709 961，1101.599976，1049.329956，1141.199951，1183.26001，1180.550049，1257.640015，1286.119995，1327.219971，1325.829956，1363.609985，1345.199951，1320.640015，1292.280029，1218.890015，1131.420044，1253.300049，1394,9003.41001,139.1406.9349.140.349.240.109.240.109.349.109.240.109.349.149.109.140.109.349.109.140.109.349.109.349.140.109.349.109.349.140.109.349.109.349.140.99240.109.349.109240 1379.319946，1406.579956，1440.670044，1412.160034，1416.180054，1426.189941，1498.109985，1514.680054，1569.189941，1597.569946，1630.73999，1606.280029，1685.72998，1632.969971，1681.550049，1756.540039，1805.810059，1848.359985，1782.589966，1859.449951，1872.339966，1883.949951，1923.569946，1960.22998，1930.6700440000002， 2003.369995，1972.290039，2018.050049，2067.560059，2058.899902，1994.9899899999998，2104.5，2067.889893，2085.51001，2107.389893，2063.110107，2103.840088，1972.180054，1920.030029，2079.360107，2080.409912 2909.96099209999909999998998998 998.99889099998998998998998998998998998998998998998998998998998998998998998998998998998998998998998998998998998998998998998998998998990 2168.27002、2126.149902， 2198.810059，2238.830078，2278.8701170000004，2363.639893，2362.719971，2384.199951，2411.800049，2423.409912，2470.300049，2471.649902，2519.360107，2575.26001，2584.840088，2673.610107，2823.81001004 1280.172.8970.280.178.280.179.280.178.280.178.280
答案 0 :(得分：1)
您的时间序列显然不是平稳的，因此违反了Yule-Walker的假设。
更一般而言，PACF通常适用于固定时间序列。在考虑部分自相关之前，您可能首先需要对数据进行区分。