statsmodels.tsa.stattools.acf中的'missing'参数在统计上是做什么的？

Question

我正在使用acf函数来计算statsmodels.tsa.stattools.acf提供的自相关。其中一个参数称为missing，并且可以采用值“ none”，“ raise”，“ conservative”和“ drop”，这些值更改了函数处理NaN值的方式。问题是，我找不到关于[[how的任何记录，正是这些值中的每一个都改变了正在执行的统计信息。

我正在使用均匀间隔的时间序列，该序列具有缺失值的散布和中间缺少测量值的较大间隙。到目前为止，我的解决方案是从时间序列中减去中位数，将其居中于零附近，然后在所有缺失值中插入0。这些参数值之一是否做类似的事情，我应该以不同的方式处理事情吗？

Answer 1

'none'对NAN不执行任何操作，如果数据包含NAN，'raise'会引发错误。

MissingDataError("NaNs were encountered in the data")

'drop'会在进行计算之前从代码中删除NAN，据我所了解的源代码（https://www.statsmodels.org/stable/_modules/statsmodels/tsa/stattools.html），选项'保守'将所有NAN替换为0。
    missing = missing.lower()
if missing not in ['none', 'raise', 'conservative', 'drop']:
    raise ValueError("missing option %s not understood" % missing)
if missing == 'none':
    deal_with_masked = False
else:
    deal_with_masked = has_missing(x)
if deal_with_masked:
    if missing == 'raise':
        raise MissingDataError("NaNs were encountered in the data")
    notmask_bool = ~np.isnan(x)  # bool
    if missing == 'conservative':
        # Must copy for thread safety
        x = x.copy()
        x[~notmask_bool] = 0
    else:  # 'drop'
        x = x[notmask_bool]  # copies non-missing
    notmask_int = notmask_bool.astype(int)  # int