Python 如何讓特征值滯后一行？

在一些科學(xué)問題的探究中，往往一個過程的響應(yīng)并不是實時的，但他們還是具有一定的相關(guān)性，這種相關(guān)叫超前滯后相關(guān)。在遇到這種相關(guān)的數(shù)據(jù)的時候我們需要想辦法讓python的特征值滯后，那么python如何讓特征值滯后一行呢？接下來這篇文章帶你了解。

超前滯后相關(guān)是什么

想看兩個時間序列是否相關(guān)，最簡單的方法就是求二者的相關(guān)系數(shù)，但是在大氣、海洋等科學(xué)問題的研究中，往往一個過程的響應(yīng)并不是實時的，可能當(dāng)a過程發(fā)生以后一段時間b過程才會發(fā)生，這樣的關(guān)系往往不是同時期的相關(guān)系數(shù)可以表現(xiàn)的。

超前滯后相關(guān)就是為了看兩個過程的發(fā)生演變是否在時間的先后上有一定的相關(guān)性。

舉個例子：

有a、b兩個時間序列，長度都是十二個月，直接求相關(guān)系數(shù)就是簡單的同期相關(guān)。

如果a的1-11月對b的2-12月做相關(guān)系數(shù)，就是a對b超前1個月的相關(guān)；拿a的2-12月對b的1-11月做相關(guān)則稱之為a對b的滯后1月相關(guān)，以此類推，就能求出n個月的超前滯后相關(guān)，畫圖出來就是沿0月（同期）正負各n月。

摘自黃嘉佑的書《氣相統(tǒng)計分析與預(yù)報方法》，第三版，17頁

python中的實現(xiàn)

需要輸入兩個時間序列，結(jié)果為data1對data2的超前滯后相關(guān)系數(shù)的序列

from scipy.stats import pearsonr
import numpy as np
 
#超前滯后相關(guān)
def leadlagcor(data1,data2,n):
	#data1和data2為兩個時間序列，n設(shè)置做多少個時間步長的超前滯后
    a=-n
    b=-a
    c=b*2+1
    x=np.arange(-n,n+1,1)
    r=np.zeros((c,1))
    p=np.zeros((c,1))
 
    for i in range(c):
        if i<(b):
            r[n-i],p[n-i]=pearsonr(data1[:(len(data1)-i)], data2[i:])
        else:
            r[i],p[i]=pearsonr(data1[x[i]:], data2[:len(data1)-x[i]])
    return r

附贈一個可視化程序

def leadlagcor_plot(data1,data2,n):
	#data1和data2為兩個時間序列，n設(shè)置做多少個時間步長的超前滯后
    r=leadlagcor(data1,data2,n)#調(diào)用上面寫的函數(shù)做超前滯后相關(guān)
    x=range(-n,n+1,1)
    
    fig = plt.figure()
    ax = fig.add_subplot(111)
    ax.plot(x,r,'k--',linewidth=0.8)
    ax.axhline(0, color='k')
    
    b=ax.bar(x,np.squeeze(r),color='red')
    for bar,height in zip(b,r):
        if height<0:
            bar.set(color='blue')
     
    print('cor_max:',np.max(r),'
','cor_min:',np.min(r)) 
    plt.savefig('%s.jpg')
    plt.show()

畫出來的結(jié)果就是這樣：

如何在python中實現(xiàn)特征值滯后一行

# 加載庫
import pandas as pd
?
#創(chuàng)建數(shù)據(jù)框架
dataframe = pd.DataFrame()
?
# 模擬數(shù)據(jù)
dataframe["dates"] = pd.date_range("1/1/2001", periods=5, freq="D")
dataframe["stock_price"] = [1.1,2.2,3.3,4.4,5.5]
dataframe.head()
?
# 讓值滯后一行
dataframe["previous_days_stock_price"] = dataframe["stock_price"].shift(1)
?
dataframe.head()?
dates	stock_price	previous_days_stock_price
0	2001-01-01	1.1	NaN
1	2001-01-02	2.2	1.1
2	2001-01-03	3.3	2.2
3	2001-01-04	4.4	3.3
4	2001-01-05	5.5	4.4

小結(jié)

以上就是python如何讓特征值滯后一行的全部內(nèi)容，希望能給大家一個參考，也希望大家多多支持W3Cschool。