快速估计时间序列的自相关时间。
项目描述
这是由纽约大学（NYU）的Jonathan Goodman（http://www.math.nyu.edu/faculty/goodman/index.html）编写的C++例程的直接移植，称为ACOR，它可以非常快速地估计时间序列数据的自相关时间。
Dan Foreman-Mackey（NYU）为了编写Python包装器（在原始作者的许可下）对界面做了一些表面上的更改。
安装
只需运行
pip install acor
如果真的需要，使用sudo。
git clone https://github.com/dfm/acor.git
然后运行
cd acor python setup.py install
以编译和安装Python路径中的模块acor。唯一的依赖项是NumPy（包括可能需要在某些系统上单独安装的python-dev和python-numpy-dev包）。
用法
给定一些时间序列x，您可以使用以下方法估计自相关时间（tau）：
import acor tau, mean, sigma = acor.acor(x)
参考文献
关闭
acor-1.1.1.tar.gz的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 4c647d30326004cfcfbcf630e97586ce574954e36bebf75b657d33d5d79e94e3 |
|
| MD5 | 8681b949f50e0f9a02bfbd15f7a3d56c |
|
| BLAKE2b-256 | d7632f696a862e1687bd14a30b7319ec3fbe02ba78f80af43c32e999d0e7435a |