Python 计算熊猫中每列数据的自相关

我想计算每一列数据的一阶自相关系数

我希望下面的每一个代码都给出相同的结果，但结果不一样

我应该用哪一个

df[df.columns.to_list()].apply(lambda x: x.corr(x.shift()))

或

---

第二个应该是

df[df.columns.to_list（）].apply（lambda x:x.autocorr（））

，因为您需要内括号来调用

autocorr

函数

这些代码段应该给出完全相同的结果，因为

autocorr

的实现是一行代码：

self.corr（self.shift（lag））

，这与第一个代码段相同

如果这仍然不起作用，请与可复制的示例共享您的数据

---

作为第二个注意事项，使用

df[df.columns.to_list（）]

没有任何特殊作用，因为您没有创建数据的子集，所以您只需执行

df。应用
并跳过
df[df.columns.to_list（）]
谢谢您的回复。实际上，当我添加括号时，现在显示的结果与方法相同。为什么代码仍然在没有括号的情况下运行？代码之所以运行，是因为在python中，函数是对象。因此
x.autocorr
只是获取附加到对象
x
（a
pd.Series
对象）的函数
autocorr
。现在这个函数本身也是一个对象——如果不添加括号，将返回这个函数。您需要括号来调用函数，并使其实际执行您期望的操作。您能告诉我为什么在下面的链接中，“在第一个答案中，
pd.Series.pct\u change
不使用括号吗？当我添加括号时，它甚至不起作用！！！我在理解这个概念时遗漏了什么？是的，这是一个将函数作为对象传递的好例子。本质上，函数调用是延迟的，因此
groupby
操作可以为其提供参数。虽然这不是熊猫的具体情况，但您可以阅读更多关于熊猫的信息
df[df.columns.to_list()].apply(lambda x: x.autocorr)