Python 为什么绘制标准化自相关图会给出正值和负值?
我使用以下代码计算并绘制数组的自相关函数ACF,如下所示:Python 为什么绘制标准化自相关图会给出正值和负值?,python,autocorrelation,Python,Autocorrelation,我使用以下代码计算并绘制数组的自相关函数ACF,如下所示: an_array = [1, 2, 3, 4, 5] autocorrelation = np.correlate(an_array, an_array, mode="full") ACF= autocorrelation[autocorrelation.size//2:] print(ACF) Normalized_ACF = (ACF- ACF.min(axis=0)) / (ACF.max(axis=0) -
an_array = [1, 2, 3, 4, 5]
autocorrelation = np.correlate(an_array, an_array, mode="full")
ACF= autocorrelation[autocorrelation.size//2:]
print(ACF)
Normalized_ACF = (ACF- ACF.min(axis=0)) / (ACF.max(axis=0) - ACF.min(axis=0))
print(Normalized_ACF)
输出
[55 40 26 14 5]
然后,我计算了归一化ACF,如下所示:
an_array = [1, 2, 3, 4, 5]
autocorrelation = np.correlate(an_array, an_array, mode="full")
ACF= autocorrelation[autocorrelation.size//2:]
print(ACF)
Normalized_ACF = (ACF- ACF.min(axis=0)) / (ACF.max(axis=0) - ACF.min(axis=0))
print(Normalized_ACF)
输出
[1.0.7 0.42 0.18 0]
这个输出是正确的
但是,当我使用python中的另一种方法使用“plot.acf”内置函数来计算和绘制数组的规范化acf时,它会给我其他值(正数和负数),如下所示
from statsmodels.graphics import tsaplots
# Display the autocorrelation plot of your time series
fig = tsaplots.plot_acf(an_array, lags=3)
plt.show()
第二种方法的输出:
有人能解释为什么这两种方法给出不同的输出吗