如何在 Python 中获得 R 的 ccf？

Question

我不是统计学家，我只是将一些 R 代码翻译成 Python。

回复：

a = 1:1000

b = 1000:1

ccf(a, b, max.lag=100, plot=FALSE)

Autocorrelations of series ‘X’, by lag

   -26    -25    -24    -23    -22    -21    -20    -19    -18    -17    -16

-0.922 -0.925 -0.928 -0.931 -0.934 -0.937 -0.940 -0.943 -0.946 -0.949 -0.952

   -15    -14    -13    -12    -11    -10     -9     -8     -7     -6     -5

-0.955 -0.958 -0.961 -0.964 -0.967 -0.970 -0.973 -0.976 -0.979 -0.982 -0.985

    -4     -3     -2     -1      0      1      2      3      4      5      6

-0.988 -0.991 -0.994 -0.997 -1.000 -0.997 -0.994 -0.991 -0.988 -0.985 -0.982

     7      8      9     10     11     12     13     14     15     16     17

-0.979 -0.976 -0.973 -0.970 -0.967 -0.964 -0.961 -0.958 -0.955 -0.952 -0.949

    18     19     20     21     22     23     24     25     26

-0.946 -0.943 -0.940 -0.937 -0.934 -0.931 -0.928 -0.925 -0.922

Python：

import scipy.signal as ss

import numpy as np

x = np.array(range(1, 1001))

y = np.array(range(1000, 0, -1))

ss.correlate(x, y)

# array([      1,       4,      10, ..., 2994001, 1998000, 1000000])

ss.correlate(x - np.mean(x), y - np.mean(y), method='direct')/(np.std(x)*np.std(y)*len(x))

# array([0.00299401, 0.00597602, 0.00894607, ..., 0.00894607, 0.00597602,

       0.00299401])

这些答案都没有接近 R 结果。如何在 Python 中获得相同的结果？

Answer 1

这是一个执行相同操作的函数：import scipy.signal as ssdef ccf(x, y, lag_max = 100):    result = ss.correlate(y - np.mean(y), x - np.mean(x), method='direct') / (np.std(y) * np.std(x) * len(y))    length = (len(result) - 1) // 2    lo = length - lag_max    hi = length + (lag_max + 1)    return result[lo:hi]