Question

我正在使用python 3.7。

我正在使用ARIMA模型进行时间序列预测。我正在使用自相关图评估ARIMA数据的属性-特别是使用pandas.plotting中的autocorrelation_plot。

我的数据有50,000条左右的记录，这使该图变得非常繁忙，很难找出任何特定趋势。有没有一种方法可以限制x轴以使前几百个滞后更加集中？

我不能分享实际的情节，但是我的代码如下：

import pandas as pd
from pandas.plotting import autocorrelation_plot

#Import Data
time_series_2619 = pd.read_csv("Consumption/2619.csv", parse_dates=['Date/Time'], index_col = ['Date/Time'])['Recording']

#Auto Correlation Plot
autocorrelation_plot(time_series_2619)

我在文档中找不到任何内容。

Answer 1

autocorrelation_plot返回matplotlib.axis对象。因此，您可以简单地使用set_xlim()方法来限制x轴：

ax = autocorrelation_plot(time_series_2619)
ax.set_xlim([0, 500])

Answer 2

只需添加另一种绘制自相关关系的方式即可，老实说，在小数据情况下，这要快得多：

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
plt.title('Autocorrelation plot')
plt.plot(np.arange(720), [time_series_2619['column_name'].autocorr(j) for j in range(720)])
plt.show();

您仅使用熊猫系列的Series.autocorr()函数，该函数需要一个滞后数并返回两个时间戳之间的自相关。通过做一个简单的理解列表，您将能够拥有一个自相关数组，可以使用pyplot轻松地绘制它们。

Answer 3

或者，您可以使用# import the plotting functions for act and pacf from statsmodels.graphics.tsaplots import plot_acf, plot_pacf plot_acf(df1['Thousands of Passengers'], lags=40);函数并指定滞后时间。

shiny

使用熊猫自相关图-如何限制x轴使其更具可读性？

3 个答案: