Statsmodels ACF/PACF函数输入一维数组的时序排序规则问询

完全理解你的困惑——文档里这点确实没写得特别直白，我当初也纠结过！直接给结论：必须传入按时间正序排列的数组，也就是数组的第一个元素对应最早的观测数据，最后一个元素对应最新的观测数据。

原因解释 #

ACF（自相关函数）和PACF（偏自相关函数）的核心是计算时间序列中「当前时刻」与「滞后k个时刻」的相关性。这里的「滞后」是基于时间先后逻辑的：比如滞后1期，指的是“t时刻数据”和“t-1时刻数据”的相关性。

如果你的数组是正序的，Statsmodels会默认数组的索引顺序对应时间的先后顺序（索引0 = t₁，索引1 = t₂，…，索引n-1 = tₙ），这样计算出来的滞后值才符合时间序列的实际逻辑。

如果传入逆序数组（首元素是最新数据），相当于把时间轴倒过来了，计算出的ACF/PACF结果会完全不符合你的业务场景，甚至会得出完全错误的滞后相关性结论。

简单验证示例 #

你可以用一段简单的代码快速验证：

import numpy as np
from statsmodels.tsa.stattools import acf

# 生成正序的时间序列（递增趋势，模拟时间推进的观测）
positive_order = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
# 生成逆序的时间序列
reverse_order = positive_order[::-1]

print("正序输入的ACF结果（前5个值）：", acf(positive_order, nlags=4))
print("逆序输入的ACF结果（前5个值）：", acf(reverse_order, nlags=4))

运行后你会发现，正序输入的ACF值随着滞后增加缓慢下降（因为序列有明显递增趋势，相邻时刻相关性高，越远越低）；而逆序输入的结果虽然数值和正序一样，但对应的滞后逻辑完全颠倒了——这显然不是你想要的。

内容的提问来源于stack exchange，提问作者error404