Python ADF 平稳性检验示例代码

以下是使用Python中的ADF（Augmented Dickey-Fuller Test）进行平稳性检验的示例代码：

import pandas as pd
from statsmodels.tsa.stattools import adfuller

# 导入数据
data = pd.read_csv('data.csv', index_col=0, parse_dates=True)
# 进行ADF检验
result = adfuller(data['value'])
# 输出检验结果
print('ADF Statistic: %f' % result[0])
print('p-value: %f' % result[1])
print('Critical Values:')
for key, value in result[4].items():
    print('	%s: %.3f' % (key, value))

其中，'data.csv'是包含时间序列数据的CSV文件，'value'是数据中的一列。在进行ADF检验时，我们使用adfuller()函数，该函数返回包括ADF统计量和p值在内的多个检验结果。我们可以将结果打印出来，以便了解数据的平稳性。如果p值低于0.05，则可以拒绝原假设，即数据是非平稳的。