statsmodels.graphics.tsaplots.plot_ccf¶

statsmodels.graphics.tsaplots.plot_ccf(x, y, *, ax=None, lags=None, negative_lags=False, alpha=0.05, use_vlines=True, adjusted=False, fft=False, title='Cross-correlation', auto_ylims=False, vlines_kwargs=None, **kwargs)[source]¶

绘制互相关函数

计算x与y滞后之间的相关性。

滞后显示在横轴上，相关性显示在纵轴上。

Parameters:¶

x, yarray_like

时间序列值的数组。

axAxesSubplot, optional

如果指定，此子图将用于绘图，否则将创建一个包含一个子图的新图形。

lags{int, array_like}, optional

一个整数或滞后值的数组，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，负滞后将显示在水平轴上。

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，则交叉相关性的分母为 n-k，否则为 n。

fftbool, optional

如果为真，通过FFT计算CCF。

titlestr, optional

图表上显示的标题。默认是‘互相关’。

auto_ylimsbool, optional

如果为真，自动调整垂直轴的极限以适应CCF值。

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

绘图所在的图形。如果提供了ax参数，则为现有图形；如果ax为None，则为新创建的图形。

另请参阅

statsmodels.graphics.tsaplots.plot_acf

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_ccf(diffed["unemp"], diffed["infl"])
>>> plt.show()