计算 pandas 中的自动协方差
Calculating auto covariance in pandas
根据@pltrdy 提供的答案，在此威胁中：
如何将计算序列上的滞后 N（默认值=1）自相关的 pandas.Series.autocorr() 转换为自协方差？
很遗憾，命令 pandas.Series.autocov() 未在 pandas 中实现。
.autocorr(k) 计算的是滞后 k 的（Pearson）相关系数。但我们知道，对于序列 x，滞后系数 k 是：
\rho_k = \frac{Cov(x_{t}, x_{t-k})}{Var(x)}
然后，为了获得自协方差，您将自相关乘以方差：
def autocov_series(x, lag=1):
return x.autocorr(x, lag=lag) * x.var()
请注意，Series.var 默认使用 1 的 ddof，因此 N - 1 将样本方差除以 N == s.size（您将得到总体方差的无偏估计）。
根据@pltrdy 提供的答案，在此威胁中：
如何将计算序列上的滞后 N（默认值=1）自相关的 pandas.Series.autocorr() 转换为自协方差？
很遗憾，命令 pandas.Series.autocov() 未在 pandas 中实现。
.autocorr(k) 计算的是滞后 k 的（Pearson）相关系数。但我们知道，对于序列 x，滞后系数 k 是：
\rho_k = \frac{Cov(x_{t}, x_{t-k})}{Var(x)}
然后，为了获得自协方差，您将自相关乘以方差：
def autocov_series(x, lag=1):
return x.autocorr(x, lag=lag) * x.var()
请注意，Series.var 默认使用 1 的 ddof，因此 N - 1 将样本方差除以 N == s.size（您将得到总体方差的无偏估计）。