python 时间序列 相关系数

在Python中，时间序列分析通常涉及到衡量两个变量随时间变化的相关程度。相关系数，如皮尔逊相关系数（Pearson's correlation coefficient），是一种统计量，它范围在-1到+1之间。当值接近1时，表示正相关，即一个变量增加时另一个也倾向于增加；值接近-1则表示负相关，一个变量增加时另一个减少；0表示没有线性关系。

你可以使用pandas库中的`corr()`函数来计算时间序列中两个列之间的相关系数。例如：

import pandas as pd

# 假设df是一个包含时间序列数据的DataFrame
ts1 = df['column1']
ts2 = df['column2']

correlation = ts1.corr(ts2)
print("Column 1与Column 2的相关系数:", correlation)

要计算整个DataFrame内各列间的相关矩阵，可以这样做：

correlation_matrix = df.corr()
print("所有列之间的相关矩阵:\n", correlation_matrix)