statsmodels.graphics.tsaplots.plot_pacf¶
-
statsmodels.graphics.tsaplots.plot_pacf(x, ax=
None, lags=None, alpha=0.05, method='ywm', use_vlines=True, title='Partial Autocorrelation', zero=True, vlines_kwargs=None, **kwargs)[source]¶ 绘制偏自相关函数
- Parameters:¶
- xarray_like
时间序列值数组
- ax
AxesSubplot,optional 如果指定，此子图将用于绘图，而不是创建新图形。
- 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))被使用。- alpha
float,optional 如果给定一个数值，则会返回给定水平的置信区间。例如，如果 alpha=.05，则会返回 95% 的置信区间，其中标准差根据 1/sqrt(len(x)) 计算。
- method
str 指定用于计算的方法：
“ywm” 或 “ywmle” : 不进行调整的Yule-Walker。默认。
“yw” 或 “ywadjusted” : Yule-Walker，在分母中进行样本大小调整以用于 acovf。默认值。
“ols” : 时间序列对自身的滞后项和常数项进行回归。
“ols-inefficient” : 使用单一共同样本对时间序列进行滞后回归，以估计所有pacf系数。
“ols-adjusted” : 对滞后时间序列进行回归，并进行偏差调整。
“ld” 或 “ldadjusted” : 带有偏差校正的 Levinson-Durbin 递归。
“ldb” 或 “ldbiased” : 无偏差校正的 Levinson-Durbin 递归。
- use_vlinesbool,
optional 如果为True，则绘制垂直线和标记。 如果为False，则仅绘制标记。默认标记是‘o’；可以使用
marker关键字参数进行覆盖。- title
str,optional 图表上显示的标题。默认是‘偏自相关’
- zerobool,
optional 指示是否包含0滞后自相关性的标志。 默认值为True。
- vlines_kwargs
dict,optional 可选的关键字参数字典，这些参数会被传递给vlines。
- **kwargs
kwargs,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 ax 为 None，则创建图形。否则为 ax 连接的图形。
注释
在水平轴上绘制滞后，在垂直轴上绘制相关性。 改编自matplotlib的xcorr。
数据被绘制为
plot(lags, corr, **kwargs)kwargs 用于将 matplotlib 可选参数传递给绘制自相关图的线条以及水平线。这些选项必须对 Line2D 对象有效。
vlines_kwargs 用于传递额外的可选参数给连接每个自相关与轴的垂直线。这些选项必须对 LineCollection 对象有效。
示例
>>> import pandas as pd >>> import matplotlib.pyplot as plt >>> import statsmodels.api as sm>>> dta = sm.datasets.sunspots.load_pandas().data >>> dta.index = pd.Index(sm.tsa.datetools.dates_from_range('1700', '2008')) >>> del dta["YEAR"] >>> sm.graphics.tsa.plot_pacf(dta.values.squeeze(), lags=40, method="ywm") >>> plt.show()
