看代碼吧~
# 加載庫
import pandas as pd
# 데이터프레임을 만듭니다.
dataframe = pd.DataFrame()
# 模擬數據
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
補充：怎樣用python畫超前滯后先關圖
想要獲取更多Python學習資料，了解更多關于Python的知識，可以加Q群630390733踴躍發言，大家一起來學習討論吧！
超前滯后相關是什么
想看兩個時間序列是否相關，最簡單的方法就是求二者的相關系數，但是在大氣、海洋等科學問題的研究中，往往一個過程的響應并不是實時的，可能當a過程發生以后一段時間b過程才會發生，這樣的關系往往不是同時期的相關系數可以表現的。
超前滯后相關就是為了看兩個過程的發生演變是否在時間的先后上有一定的相關性。
舉個例子：
有a、b兩個時間序列，長度都是十二個月，直接求相關系數就是簡單的同期相關。
如果a的1-11月對b的2-12月做相關系數，就是a對b超前1個月的相關；拿a的2-12月對b的1-11月做相關則稱之為a對b的滯后1月相關，以此類推，就能求出n個月的超前滯后相關，畫圖出來就是沿0月（同期）正負各n月。
摘自黃嘉佑的書《氣相統計分析與預報方法》，第三版，17頁
python中的實現
需要輸入兩個時間序列，結果為data1對data2的超前滯后相關系數的序列
from scipy.stats import pearsonr
import numpy as np
#超前滯后相關
def leadlagcor(data1,data2,n):
#data1和data2為兩個時間序列，n設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設置做多少個時間步長的超前滯后
r=leadlagcor(data1,data2,n)#調用上面寫的函數做超前滯后相關
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 height0:
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！
以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。
您可能感興趣的文章:- python共軛梯度法特征值迭代次數討論
- Python箱型圖繪制與特征值獲取過程解析
- python dataframe常見操作方法:實現取行、列、切片、統計特征值
