Python与Julia自相关系数计算结果不一致，求Julia对应等效函数

差异原因 #

• Python中pd.Series(x).autocorr()和np.corrcoef(x[:-1], x[1:])[0,1]的核心逻辑是：截取原数组滞后1阶的两个子数组，直接计算它们的皮尔逊相关系数，且协方差计算采用有偏估计（除以样本量n）。
• Julia的StatsBase.autocor(x)[2]默认使用自相关的有偏协方差公式，但计算逻辑与Python的子数组皮尔逊相关不同，因此结果不一致。

对齐方法 #

在Julia中无需依赖专门的自相关内置函数，手动实现与Python一致的逻辑即可：

1. 截取原数组的前n-1个元素和后n-1个元素（n为数组长度）
2. 计算两个子数组的皮尔逊相关系数

示例代码（依赖StatsBase）

using StatsBase

x = [0.25, 0.5, 0.2, -0.05]
x0 = x[1:end-1]
x1 = x[2:end]
result = cor(x0, x1)
# 输出结果：0.1035526330902407，与Python完全一致

手动实现（无依赖）

x = [0.25, 0.5, 0.2, -0.05]
x0 = x[1:end-1]
x1 = x[2:end]

# 计算均值
mean0 = sum(x0)/length(x0)
mean1 = sum(x1)/length(x1)

# 有偏协方差与标准差
cov_val = sum((x0 .- mean0) .* (x1 .- mean1)) / length(x0)
std0 = sqrt(sum((x0 .- mean0).^2) / length(x0))
std1 = sqrt(sum((x1 .- mean1).^2) / length(x0))

result = cov_val / (std0 * std1)
# 输出结果：0.1035526330902407

内容的提问来源于stack exchange，提问作者Spring