使用Pandas Autocorrelation Plot - 如何限制x轴以使其更具可读性?
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了使用Pandas Autocorrelation Plot - 如何限制x轴以使其更具可读性?相关的知识,希望对你有一定的参考价值。
我正在使用python 3.7。
我正在使用ARIMA模型进行时间序列预测。我正在使用自相关图评估ARIMA数据的属性 - 特别是使用pandas.plotting中的autocorrelation_plot。
我的数据有大约5万条记录,使得情节非常繁忙,很难找出任何特定的趋势。有没有办法限制x轴使前几百个滞后更加集中?
我无法分享实际情节,但我的代码如下:
import pandas as pd
from pandas.plotting import autocorrelation_plot
#Import Data
time_series_2619 = pd.read_csv("Consumption/2619.csv", parse_dates=['Date/Time'], index_col = ['Date/Time'])['Recording']
#Auto Correlation Plot
autocorrelation_plot(time_series_2619)
我在文档中找不到任何内容。
autocorrelation_plot
返回一个matplotlib.axis对象。因此,您可以简单地使用set_xlim()
方法来限制x轴:
ax = autocorrelation_plot(time_series_2619)
ax.set_xlim([0, 500])
或者,您可以使用plot_acf()
函数并指定滞后。
# import the plotting functions for act and pacf
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf
plot_acf(df1['Thousands of Passengers'], lags=40);
以上是关于使用Pandas Autocorrelation Plot - 如何限制x轴以使其更具可读性?的主要内容,如果未能解决你的问题,请参考以下文章
python使用statsmodels包中的tsa.acf函数指定nlags参数计算指定滞后位置个数(级别)时间序列数据自相关性(autocorrelation for specific lag)
python使用statsmodels包中的tsaplots函数可视化时间序列数据所有滞后位置个数(级别)的自相关性(plot the autocorrelation function)
python使用statsmodels包中的tsa.acf函数计算时间序列数据所有滞后位置个数(级别)的自相关性(autocorrelation for every lag)
python使用statsmodels包中的tsaplots函数和lags参数可视化时间序列数据指定滞后位置个数(级别)以前的所有自相关性(plot the autocorrelation)