# 加載庫import pandas as pd​# 데이터프레임을 만듭니다.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()​datesstock_priceprevious_days_stock_price02001-01-011.1NaN12001-01-022.21.122001-01-033.32.232001-01-044.43.342001-01-055.54.4

補充：怎樣用python畫超前滯后先關(guān)圖

想要獲取更多Python學(xué)習(xí)資料，了解更多關(guān)于Python的知識，可以加Q群630390733踴躍發(fā)言，大家一起來學(xué)習(xí)討論吧！

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。

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

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 pearsonrimport 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),’n’,’cor_min:’,np.min(r)) plt.savefig(’%s.jpg’) plt.show()

畫出來的結(jié)果就是這樣啦，有更好的寫法和例圖也歡迎分享~

祝大家科研順利，身心健康！

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持好吧啦網(wǎng)。