我想我遗漏了一些关于交叉相关的基本信息。我有两个时间序列，x和y（Pandas系列，带日期时间索引，长度相等）。我想检查时间对齐-例如，确保两个时间序列中的上下位大致同时出现，如果它们不在同一时间，则将它们移动到对齐状态。为此，我使用scipy.signal.correlate来查找两个时间序列之间相关性最高的滞后。

def time_alignment_check(x, y):

    from scipy import signal

    x = x.dropna()
    y = y.dropna()

    corr = signal.correlate(x, y)
    lags = signal.correlation_lags(len(x), len(y))
    corr /= np.max(corr)

    fig, (ax_data, ax_corr) = plt.subplots(2, 1, figsize=(7, 8))
    ln1 = ax_data.plot(x, 'r', label='x')
    ax2 = ax_data.twinx()
    ln2 = ax2.plot(y, 'b', label='y')
    ax_data.legend()
    ax_data.set_xlabel('Time')
    ax_data.xaxis.set_major_formatter(dates.DateFormatter('%H:%M:%S'))

    lns = ln1 + ln2
    labs = [l.get_label() for l in lns]
    ax_data.legend(lns, labs, loc=0)

    ax_corr.plot(lags, corr)
    ax_corr.annotate(f'max. corr. where lag={lags[np.argmax(corr)]}',
                     xy=(0.35, 0.1), xycoords='axes fraction', fontsize=10, color='k',
                     bbox=dict(facecolor='white', alpha=0.8, ec='k'))
    ax_corr.set_title('Cross-correlated signal')
    ax_corr.set_xlabel('Lag')
    ax_corr.set_xlim([-200, 200])

    ax_data.margins(0, 0.1)
    ax_corr.margins(0, 0.1)
    fig.tight_layout()

    plt.show()

对整个时间序列（图1）运行分析会产生26秒的滞后。因此，我将y向右移动26秒，然后重新运行分析。我希望滞后等于0，但它没有，它仍然等于26......为什么？当我对较小的数据块/样条运行分析时，例如，从13：00：00到13：40：00的40分钟数据块（图2），滞后=1秒。再次将较小数据块上的y移动n秒不会改变滞后。
Signal correlation shift and lag correct only if arrays subtracted by mean建议从数据集中扣除平均值，对于更短、变化更少的数据集（如下文所示），该平均值给出了正确的滞后。

y = pd.Series([1.,1.,1.,1.,2.,2.,1.,1.,1.,1.], index=range(0,10))
x = pd.Series([1.,1.,1.,1.,1.,1.,1.,2.,2.,1.], index=range(0,10))
x -= np.mean(x)
y -= np.mean(y)

这种方法（扣除平均值）也会对我的数据产生不正确的结果。这里我遗漏了什么？
提前感谢！