我想找到滞后1,2，... N的一系列数字的自相关
在这个例子中，我有56个数字，N = 20 .
所以我有一个文件，其中前56列是随机数 . 从第57列到第77列，我的自相关滞后1,2 ... 20 . 假设我只在1-56列中加载 . 在这个例子中，我只有一行，但它也可以是几行 .
因此，目标是获得这样的结果：
我现在用excel做了，但是我怎么能在Python中做到这一点？而且：如果我有几行怎么办？我怎么能在多行上做到这一点？
我发现这个代码，这是一个好的开始，我想 .
import numpy
def acf(series):
n = len(series)
data = numpy.asarray(series)
mean = numpy.mean(data)
c0 = numpy.sum((data - mean) ** 2) / float(n)
def r(h):
acf_lag = ((data[:n - h] - mean) * (data[h:] - mean)).sum() / float(n) /
c0
return round(acf_lag, 3)
x = numpy.arange(n) # Avoiding lag 0 calculation
acf_coeffs = map(r, x)
return acf_coeffs
在第一个函数中'n'是数字的数量;这是我的例子'56'，变量“data”只是前56列 . c0是自相关公式的分母 .
现在，我看到h是滞后的数量 . 所以在我的例子1到20中.acf_lag是自相关的实际公式，所以看起来没问题 .
我正在努力的事情是：我如何编写代码行，将其应用于我的数据帧，以便得到我想要的结果？
感谢每一个帮助！
更新：
我试图不定义函数“acf”，但是将它全部声明为一个单独的变量：
n = len(df.columns)-20
data = df.iloc[:,:56]
mean = data.mean(axis=1)
c0 = np.sum((data - mean) ** 2) / float(n)
也许我之后可以定义r（h）函数 . 但是c0每56列给我一个零，而它应该从每一列中提取平均值（1到56） . 这不会发生 .