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：

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