相关疑难解决方法(0)

我需要对一组数字进行自相关,据我所知,它只是集合与自身的相关性.

我已经尝试使用numpy的相关函数,但我不相信结果,因为它几乎总是给出一个向量,其中第一个数字不是最大的,因为它应该是.

所以,这个问题实际上是两个问题:

1. 究竟在numpy.correlate做什么？
2. 我如何使用它(或其他东西)进行自动关联？

我有一个二维数组,即一个也是数组的序列数组.对于每个序列,我想计算自相关,因此对于(5,4)数组,我将获得5个结果,或维数(5,7).

我知道我可以绕过第一个维度,但这很慢,我的最后一招.还有另外一种方法吗？

谢谢!

编辑:

根据所选答案加上mtrw的评论,我有以下功能:

def xcorr(x):
  """FFT based autocorrelation function, which is faster than numpy.correlate"""
  # x is supposed to be an array of sequences, of shape (totalelements, length)
  fftx = fft(x, n=(length*2-1), axis=1)
  ret = ifft(fftx * np.conjugate(fftx), axis=1)
  ret = fftshift(ret, axes=1)
  return ret

请注意,length是我的代码中的全局变量,因此请务必声明它.我也没有将结果限制为实数,因为我也需要考虑复数.

我遵循了另一篇文章中定义自相关函数的建议:

def autocorr(x):
    result = np.correlate(x, x, mode = 'full')
    maxcorr = np.argmax(result)
    #print 'maximum = ', result[maxcorr]
    result = result / result[maxcorr]     # <=== normalization

    return result[result.size/2:]

但最大值不是"1.0".因此我引入了标有"<=== normalization"的行

我尝试了使用"时间序列分析"(Box - Jenkins)第2章数据集的函数.我希望得到像图的结果.那本书中的2.7.但是我得到了以下内容:

任何人都有这种奇怪的不期望的自相关行为的解释？

增加(2012-09-07):

我进入Python - 编程并执行以下操作:

from ClimateUtilities import *
import phys

#
# the above imports are from R.T.Pierrehumbert's book "principles of planetary 
# climate" 
# and the homepage of that book at "cambridge University press" ... they mostly  
# define   the
# class "Curve()" used in …

在 python (+ pandas/numpy/scipy/statsmodels) 中，是否有一个函数可以返回滞后的自相关性？有没有像这样的库函数现成的？

为了避免混淆，我想要以下内容，只是我不想绘制它，但我希望它作为系列返回（pd.Series 或 pd.DataFrame）：

import numpy as np
import pandas as pd
from statsmodels.graphics.tsaplots import plot_acf
from matplotlib import pyplot as plt
plt.ion()
s = pd.Series(np.sin(range(1,100))) + pd.Series(np.random.randn(99))
plot_acf(s)

实际上，我想要pd.Series.autocorr()返回什么，但我想要返回一个序列而不是标量，其中该序列包含各种滞后的自相关。

编辑：

实现上述目标的一种方法是：

pd.Series([s.autocorr(i) for i in range(0,s.shape[0]-1)], index=range(0,s.shape[0]-1))

假设我们有一个称为"系列"的时间序列对象.我知道它非常容易使用autocorrelation_plot()方法来绘制系列对象的Lag和Autocorrelation维度.

这是代码:

from matplotlib import pyplot
from pandas.tools.plotting import autocorrelation_plot
autocorrelation_plot(series)
pyplot.show()

这是大熊猫的情节:

有没有办法使用散景服务器获得相同的情节？