La serie Pandas es un ndarray unidimensional con etiquetas de eje. No es necesario que las etiquetas sean únicas, pero deben ser de tipo hashable. El objeto admite la indexación basada en enteros y etiquetas y proporciona una gran cantidad de métodos para realizar operaciones relacionadas con el índice.
La función de pandas Series.autocorr()
calcula la autocorrelación de lag-N. Este método calcula la correlación de Pearson entre la serie y su yo desplazado.
Sintaxis: Series.autocorr(lag=1)
Parámetro:
lag: Número de lag a aplicar antes de realizar la autocorrelación.Devoluciones: flotante
Ejemplo n.º 1: use Series.autocorr()
la función para calcular la autocorrelación de retraso N de los datos subyacentes para el objeto de serie dado.
# importing pandas as pd import pandas as pd # Creating the Series sr = pd.Series([11, 21, 8, 18, 65, 18, 32, 10, 5, 32, None]) # Create the Index index_ = pd.date_range('2010-10-09 08:45', periods = 11, freq ='H') # set the index sr.index = index_ # Print the series print(sr)
Salida:
ahora usaremos Series.autocorr()
la función para calcular la autocorrelación lag-n de los datos subyacentes para el objeto de serie dado.
# return the auto correlation result = sr.autocorr() # Print the result print(result)
Producción :
Como podemos ver en el resultado, la Series.autocorr()
función ha devuelto con éxito la correlación automática de los datos subyacentes del objeto de la serie dado por retraso 1.
Ejemplo n.º 2: use Series.autocorr()
la función para calcular la correlación automática de retraso N de los datos subyacentes para el objeto de la serie dada. Tome el valor de retraso igual a 3.
# importing pandas as pd import pandas as pd # Creating the Series sr = pd.Series([34, 5, 13, 32, 4, 15]) # Create the Index index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp'] # set the index sr.index = index_ # Print the series print(sr)
Producción :
Ahora usaremos Series.autocorr()
la función para calcular la autocorrelación lag-n de los datos subyacentes para el objeto de serie dado.
# return the auto correlation # by lag-3 result = sr.autocorr(lag = 3) # Print the result print(result)
Producción :
As we can see in the output, the Series.autocorr()
function has successfully returned the auto correlation of the underlying data of the given series object by lag 1.
Publicación traducida automáticamente
Artículo escrito por Shubham__Ranjan y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA