statsmodels.graphics.tsaplots.plot_accf_grid¶

statsmodels.graphics.tsaplots.plot_accf_grid(x, *, varnames=None, fig=None, lags=None, negative_lags=True, alpha=0.05, use_vlines=True, adjusted=False, fft=False, missing='none', zero=True, auto_ylims=False, bartlett_confint=False, vlines_kwargs=None, **kwargs)[source]¶

绘制自相关/互相关网格

将滞后值绘制在水平轴上，并将每个图的相关性绘制在垂直轴上。

Parameters:¶

xarray_like

时间序列值的二维数组：行是观测值，列是变量。

varnames: sequence of str, optional

用于绘图标题的变量名称。如果 x 是一个 pandas 数据框并且提供了 varnames，它将覆盖数据框的列名。如果未提供 varnames 且 x 不是数据框，则生成变量名称 x[0]、x[1] 等。

figMatplotlib figure instance, optional

如果给出，此图形用于绘图，否则将创建一个新图形。

lags{int, array_like}, optional

一个整数或滞后值数组，用于水平轴。当lags是整数时，使用 np.arange(lags)。如果没有提供， lags=np.arange(len(corr)) 将被使用。

negative_lags: bool, optional

如果为真，负滞后显示在主对角线下方的水平轴上。

alphascalar, optional

如果给定一个数值，则会绘制给定水平的置信区间，例如，如果 alpha=.05，则会显示 95% 的置信区间。如果为 None，则不会在图上显示置信区间。

use_vlinesbool, optional

如果为True，显示相关值的垂直线和标记。 如果为False，仅显示标记。默认标记是‘o’；可以使用marker关键字参数覆盖。

adjustedbool

如果为真，则相关性的分母为 n-k，否则为 n。

fftbool, optional

如果为真，则通过FFT计算ACF。

missingstr, optional

一个字符串，取值为 [‘none’, ‘raise’, ‘conservative’, ‘drop’]，指定如何处理 NaN。

zerobool, optional

指示是否包含0滞后自相关标志（其始终等于1）。默认为True。

auto_ylimsbool, optional

如果为真，自动调整垂直轴的极限以适应相关值。

bartlett_confintbool, default False

如果为True，使用Bartlett公式计算自相关图中的置信区间。有关详细信息，请参阅plot_acf的描述。此参数不影响互相关图。

vlines_kwargsdict, optional

可选的关键字参数字典，这些参数会被传递给vlines。

**kwargskwargs, optional

可选的关键字参数，这些参数直接传递给 Matplotlib 的 plot 和 axhline 函数。

Returns:¶

Figure

如果 fig 为 None，则创建图形。否则，返回 fig。 网格上的图显示了行变量与列变量滞后的互相关。

另请参阅

statsmodels.graphics.tsaplots

示例

>>> import pandas as pd
>>> import matplotlib.pyplot as plt
>>> import statsmodels.api as sm

>>> dta = sm.datasets.macrodata.load_pandas().data
>>> diffed = dta.diff().dropna()
>>> sm.graphics.tsa.plot_accf_grid(diffed[["unemp", "infl"]])
>>> plt.show()