# Python代码
# 导入statsmodels中的adfuller方法
from statsmodels.tsa.stattools import adfuller

# 对北京碳排放权交易成交价进行ADF检验
result = adfuller(df['成交价'])

# 输出结果
print('ADF统计量:', result[0])
print('p值:', result[1])
print('滞后阶数:', result[2])
print('观察到的值比临界值低的百分比:', result[4])

现在需要对同一个DataFrame进行KPSS检验，请给出示例代码。

from statsmodels.tsa.stattools import kpss
import matplotlib.pyplot as plt

# KPSS检验函数（增强版）
def kpss_test(series, regression_type='ct'):
    """
    执行KPSS检验并返回格式化结果
    :param series: 时间序列数据
    :param regression_type: 'c'（仅常数项）或 'ct'（常数项+趋势项）
    """
    result = kpss(series, regression=regression_type, nlags='auto')
  
    # 解析结果
    statistic = result[0]
    p_value = result[1]
    lags = result[2]
    critical_values = result[3]
  
    # 输出结果
    print('='*50)
    print(f'KPSS检验类型: {"趋势平稳性" if regression_type=="ct" else "水平平稳性"}')
    print('='*50)
    print(f'KPSS统计量: {statistic:.4f}')
    print(f'P值: {p_value:.4f}')
    print(f'滞后阶数: {lags}')
    print('临界值:')
    for key, value in critical_values.items():
        print(f'    {key}%: {value:.4f}')
  
    # 结论判断
    if p_value < 0.05:
        print("结论: 拒绝原假设 → 序列非平稳")
    else:
        print("结论: 无法拒绝原假设 → 序列平稳")

# 执行KPSS检验（推荐使用趋势平稳性检验）
kpss_test(df['成交价'], regression_type='ct')  # 金融数据通常需检验趋势平稳性
# kpss_test(df['成交价'], regression_type='c')  # 水平平稳性

# 可视化辅助判断
plt.figure(figsize=(12, 6))
df['成交价'].plot(title='成交价趋势图', lw=1.5)
plt.axhline(y=df['成交价'].mean(), color='r', linestyle='--', label='均值线')
plt.grid(alpha=0.3)
plt.legend()
plt.show()