mars.dataframe.Series.autocorr#

Series.autocorr(lag=1)#

计算滞后-N 自相关。

此方法计算Series与其自身移位后的Pearson相关性。

Parameters: lag (int, 默认值 1) – 在执行自相关之前应用的滞后数量。
Returns: 自我与自我.shift（延迟）之间的皮尔逊相关性。
Return type: float

另请参阅

Series.corr: 计算两个系列之间的相关性。
Series.shift: 将索引移位至所需的周期数。
DataFrame.corr: 计算列之间的成对相关性。
DataFrame.corrwith: 计算两个DataFrame对象的行或列之间的配对相关性。

备注

如果皮尔逊相关性没有定义，则返回‘NaN’。

示例

>>> import mars.dataframe as md
>>> s = md.Series([0.25, 0.5, 0.2, -0.05])
>>> s.autocorr().execute()  
0.10355...
>>> s.autocorr(lag=2).execute()  
-0.99999...

如果皮尔逊相关性没有良好定义，则返回‘NaN’。

>>> s = md.Series([1, 0, 0, 0])
>>> s.autocorr().execute()
nan