python实现ADF检验表并按不同的差分阶数展示

ADF检验是一种常用的时间序列分析方法，用于检验时间序列是否平稳。Python中可以使用statsmodels库实现ADF检验。下面是一个示例代码，用于展示不同差分阶数下的ADF检验表：

import pandas as pd
from statsmodels.tsa.stattools import adfuller

# 读取时间序列数据
df = pd.read_csv('data.csv', index_col=0, parse_dates=True)

# 定义函数用于展示ADF检验表
def adf_table(data, max_diff=2):
    for i in range(max_diff+1):
        diff_data = data.diff(i).dropna()
        adf_result = adfuller(diff_data)
        print(f'差分阶数：{i}')
        print('ADF检验结果：')
        print(f'ADF统计量：{adf_result[0]}')
        print(f'p值：{adf_result[1]}')
        print(f'临界值（1%）：{adf_result[4]["1%"]}')
        print(f'临界值（5%）：{adf_result[4]["5%"]}')
        print(f'临界值（10%）：{adf_result[4]["10%"]}')
        print('-----------------------------------------------------')

# 展示ADF检验表
adf_table(df)

在上述代码中，`data.csv`是一个包含时间序列数据的CSV文件，其中第一列为日期。`adf_table`函数用于展示不同差分阶数下的ADF检验表，最大差分阶数由`max_diff`参数指定，默认为2。首先读取时间序列数据，然后对数据进行不同差分阶数的处理，并调用`adfuller`函数进行ADF检验。最后展示检验结果，包括ADF统计量、p值和临界值。