Python-查找绘图与Python绘图上的axhline交叉的位置

我正在对一些简单的数据进行分析，并试图绘制自相关和部分自相关。使用这些曲线图，我试图找到要在我的ARIMA模型中绘制的P和Q值

我可以在图表上看到，但我想知道，对于每个图表，是否可以明确地找到绘图与axhline相交的位置

plt.subplot(122)
plt.plot(lag_pacf)
plt.axhline(y=0, linestyle = '--', color = 'grey')
plt.axhline(y=-1.96/np.sqrt(len(log_moving_average_difference)),linestyle  = '--',color = 'red')
plt.axhline(y=1.96/np.sqrt(len(log_moving_average_difference)),linestyle = '--', color = 'green')
plt.title('Partial Autocorelation Function')

在上面的代码中，我能找到并显示lag_pacf图与我预先确定的axhline的交叉点吗

---

谢谢

您需要计算lag_pacf和y的线段之间的交点：

from matplotlib import pyplot as plt
import numpy as np
lag_pacf = np.random.randint(-10,10,30)
log_moving_average_difference = [i for i in range(30)]
#plt.subplot(122)
plt.plot(lag_pacf)
plt.axhline(y=0, linestyle = '--', color = 'grey')
plt.axhline(y=-1.96/np.sqrt(len(log_moving_average_difference)),linestyle  = '--',color = 'red')
plt.axhline(y=1.96/np.sqrt(len(log_moving_average_difference)),linestyle = '--', color = 'green')
plt.title('Partial Autocorelation Function')
plt.xlim(0,30)
plt.ylim(-10,10)
plt.show()

def line_intersection(line1, line2):
    xdiff = (line1[0][0] - line1[1][0], line2[0][0] - line2[1][0])
    ydiff = (line1[0][1] - line1[1][1], line2[0][1] - line2[1][1]) #Typo was here

    def det(a, b):
        return a[0] * b[1] - a[1] * b[0]

    div = det(xdiff, ydiff)
    if div == 0:
        return None

    d = (det(*line1), det(*line2))
    x = det(d, xdiff) / div
    y = det(d, ydiff) / div
    return x, y

def near(a, b, rtol=1e-5, atol=1e-8):
    return abs(a - b) < (atol + rtol * abs(b))
def crosses(line1, line2):
    """
    Return True if line segment line1 intersects line segment line2 and 
    line1 and line2 are not parallel.
    """
    (x1,y1), (x2,y2) = line1
    (u1,v1), (u2,v2) = line2
    (a,b), (c,d) = (x2-x1, u1-u2), (y2-y1, v1-v2)
    e, f = u1-x1, v1-y1
    denom = float(a*d - b*c)
    if near(denom, 0):
        # parallel
        return False
    else:
        t = (e*d - b*f)/denom
        s = (a*f - e*c)/denom
        # When 0<=t<=1 and 0<=s<=1 the point of intersection occurs within the
        # line segments
        return 0<=t<=1 and 0<=s<=1

plt.plot(lag_pacf)
plt.axhline(y=0, linestyle = '--', color = 'grey')
plt.axhline(y=-1.96/np.sqrt(len(log_moving_average_difference)),linestyle  = '--',color = 'red')
plt.axhline(y=1.96/np.sqrt(len(log_moving_average_difference)),linestyle = '--', color = 'green')
plt.title('Partial Autocorelation Function')

yys = [0,-1.96/np.sqrt(len(log_moving_average_difference)),1.96/np.sqrt(len(log_moving_average_difference))]
xx, yy = [],[]
xo,yo = [k for k in range(30)],lag_pacf
d = 20
for i in range(1,len(lag_pacf)):
    for k in yys:
        p1 = np.array([xo[i-1],yo[i-1]],dtype='float')
        p2 = np.array([xo[i],yo[i]],dtype='float')
        k1 = np.array([xo[i-1],k],dtype='float')
        k2 = np.array([xo[i],k],dtype='float')
        if crosses((p2,p1),(k1,k2)):
            seg = line_intersection((p2,p1),(k1,k2))
            if seg is not None:
                xx.append(seg[0])
                yy.append(seg[1]-d)
                plt.scatter(seg[0],seg[1],c='red')
plt.xlim(0,30)
plt.ylim(-10,10)
plt.show()

从matplotlib导入pyplot作为plt
将numpy作为np导入
lag_pacf=np.random.randint（-10,10,30）
对数\移动\平均\差值=[i为范围内的i（30）]
#小地块（122）
plt.plt.plot（lag_pacf）
plt.axhline（y=0，线型='--'，颜色='灰色'）
plt.axhline（y=-1.96/np.sqrt（len（对数移动平均差）），线型='--'，颜色='红色'）
plt.axhline（y=1.96/np.sqrt（len（对数移动平均差）），线型='--'，颜色='绿色'）
plt.title（‘偏自相关函数’）
plt.xlim（0,30）
plt.ylim（-10,10）
plt.show（）
def测线交叉点（测线1、测线2）：
xdiff=（第1行[0][0]-第1行[1][0]，第2行[0][0]-第2行[1][0]）
ydiff=（第1行[0][1]-第1行[1][1]，第2行[0][1]-第2行[1][1]）#这里有打字错误
def数据（a、b）：
返回a[0]*b[1]-a[1]*b[0]
div=det（xdiff，ydiff）
如果div==0：
一无所获
d=（数据表（*第1行），数据表（*第2行））
x=det（d，xdiff）/div
y=det（d，ydiff）/div
返回x，y
def接近（a、b、rtol=1e-5、atol=1e-8）：
返回abs（a-b）<（atol+rtol*abs（b））
def交叉（第1行、第2行）：
"""
如果线段line1与线段line2相交，则返回True
第1行和第2行不平行。
"""
（x1，y1），（x2，y2）=第1行
（u1，v1），（u2，v2）=第2行
（a，b），（c，d）=（x2-x1，u1-u2），（y2-y1，v1-v2）
e、 f=u1-x1，v1-y1
denom=浮点数（a*d-b*c）
如果接近（denom，0）：
#平行的
返回错误
其他：
t=（e*d-b*f）/denom
s=（a*f-e*c）/denom
#当0时，需要计算lag_pacf和y的线段之间的交点：

from matplotlib import pyplot as plt
import numpy as np
lag_pacf = np.random.randint(-10,10,30)
log_moving_average_difference = [i for i in range(30)]
#plt.subplot(122)
plt.plot(lag_pacf)
plt.axhline(y=0, linestyle = '--', color = 'grey')
plt.axhline(y=-1.96/np.sqrt(len(log_moving_average_difference)),linestyle  = '--',color = 'red')
plt.axhline(y=1.96/np.sqrt(len(log_moving_average_difference)),linestyle = '--', color = 'green')
plt.title('Partial Autocorelation Function')
plt.xlim(0,30)
plt.ylim(-10,10)
plt.show()

def line_intersection(line1, line2):
    xdiff = (line1[0][0] - line1[1][0], line2[0][0] - line2[1][0])
    ydiff = (line1[0][1] - line1[1][1], line2[0][1] - line2[1][1]) #Typo was here

    def det(a, b):
        return a[0] * b[1] - a[1] * b[0]

    div = det(xdiff, ydiff)
    if div == 0:
        return None

    d = (det(*line1), det(*line2))
    x = det(d, xdiff) / div
    y = det(d, ydiff) / div
    return x, y

def near(a, b, rtol=1e-5, atol=1e-8):
    return abs(a - b) < (atol + rtol * abs(b))
def crosses(line1, line2):
    """
    Return True if line segment line1 intersects line segment line2 and 
    line1 and line2 are not parallel.
    """
    (x1,y1), (x2,y2) = line1
    (u1,v1), (u2,v2) = line2
    (a,b), (c,d) = (x2-x1, u1-u2), (y2-y1, v1-v2)
    e, f = u1-x1, v1-y1
    denom = float(a*d - b*c)
    if near(denom, 0):
        # parallel
        return False
    else:
        t = (e*d - b*f)/denom
        s = (a*f - e*c)/denom
        # When 0<=t<=1 and 0<=s<=1 the point of intersection occurs within the
        # line segments
        return 0<=t<=1 and 0<=s<=1

plt.plot(lag_pacf)
plt.axhline(y=0, linestyle = '--', color = 'grey')
plt.axhline(y=-1.96/np.sqrt(len(log_moving_average_difference)),linestyle  = '--',color = 'red')
plt.axhline(y=1.96/np.sqrt(len(log_moving_average_difference)),linestyle = '--', color = 'green')
plt.title('Partial Autocorelation Function')

yys = [0,-1.96/np.sqrt(len(log_moving_average_difference)),1.96/np.sqrt(len(log_moving_average_difference))]
xx, yy = [],[]
xo,yo = [k for k in range(30)],lag_pacf
d = 20
for i in range(1,len(lag_pacf)):
    for k in yys:
        p1 = np.array([xo[i-1],yo[i-1]],dtype='float')
        p2 = np.array([xo[i],yo[i]],dtype='float')
        k1 = np.array([xo[i-1],k],dtype='float')
        k2 = np.array([xo[i],k],dtype='float')
        if crosses((p2,p1),(k1,k2)):
            seg = line_intersection((p2,p1),(k1,k2))
            if seg is not None:
                xx.append(seg[0])
                yy.append(seg[1]-d)
                plt.scatter(seg[0],seg[1],c='red')
plt.xlim(0,30)
plt.ylim(-10,10)
plt.show()

从matplotlib导入pyplot作为plt
将numpy作为np导入
lag_pacf=np.random.randint（-10,10,30）
对数\移动\平均\差值=[i为范围内的i（30）]
#小地块（122）
plt.plt.plot（lag_pacf）
plt.axhline（y=0，线型='--'，颜色='灰色'）
plt.axhline（y=-1.96/np.sqrt（len（对数移动平均差）），线型='--'，颜色='红色'）
plt.axhline（y=1.96/np.sqrt（len（对数移动平均差）），线型='--'，颜色='绿色'）
plt.title（‘偏自相关函数’）
plt.xlim（0,30）
plt.ylim（-10,10）
plt.show（）
def测线交叉点（测线1、测线2）：
xdiff=（第1行[0][0]-第1行[1][0]，第2行[0][0]-第2行[1][0]）
ydiff=（第1行[0][1]-第1行[1][1]，第2行[0][1]-第2行[1][1]）#这里有打字错误
def数据（a、b）：
返回a[0]*b[1]-a[1]*b[0]
div=det（xdiff，ydiff）
如果div==0：
一无所获
d=（数据表（*第1行），数据表（*第2行））
x=det（d，xdiff）/div
y=det（d，ydiff）/div
返回x，y
def接近（a、b、rtol=1e-5、atol=1e-8）：
返回abs（a-b）<（atol+rtol*abs（b））
def交叉（第1行、第2行）：
"""
如果线段line1与线段line2相交，则返回True
第1行和第2行不平行。
"""
（x1，y1），（x2，y2）=第1行
（u1，v1），（u2，v2）=第2行
（a，b），（c，d）=（x2-x1，u1-u2），（y2-y1，v1-v2）
e、 f=u1-x1，v1-y1
denom=浮点数（a*d-b*c）
如果接近（denom，0）：
#平行的
返回错误
其他：
t=（e*d-b*f）/denom
s=（a*f-e*c）/denom
#Alex，你什么时候提出的解决方案没有解决你的问题？抱歉，我一直非常忙。我现在要填写：）亚历克斯，提议的解决方案没有解决你的问题吗？对不起，我一直非常忙。我现在就填：）谢谢！对耽误了回来表示歉意。上面的代码是有效的，但我不认为我有足够的技能来编写它！谢谢对耽误了回来表示歉意。上面的代码是有效的，但我不认为我有足够的技能来编写它！