Saisonalität mehrerer Zeitreihen visualisieren

Jetzt extrahierst du die seasonality-Komponente von jobs_decomp, um die Saisonalität in diesen Zeitreihen zu visualisieren. Beachte, dass du vor dem Plotten das Dictionary der seasonality-Komponenten mit der Funktion pd.DataFrame.from_dict() in ein DataFrame umwandeln musst.

Ein leeres Dictionary jobs_seasonal und das Zeitreihen-Decomposition-Objekt jobs_decomp aus der vorherigen Übung stehen dir in deinem Workspace zur Verfügung.

Diese Übung ist Teil des Kurses

Zeitreihendaten in Python visualisieren

Kurs anzeigen

Anleitung zur Übung

Iteriere über jeden Spaltennamen in jobs_names und extrahiere die zugehörige seasonal-Komponente aus jobs_decomp. Lege die Ergebnisse in jobs_seasonal ab, wobei der Spaltenname der Name der Zeitreihe ist und der Wert die seasonal-Komponente der Zeitreihe.
Wandle jobs_seasonal in ein DataFrame um und nenne es seasonality_df.
Erstelle einen facettierten Plot aller 16 Spalten in seasonality_df. Stelle sicher, dass die Teilgrafiken die y-Achse nicht gemeinsam nutzen.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Extract the seasonal values for the decomposition of each time series
for ts in ____:
    jobs_seasonal[ts] = jobs_decomp[ts]____
    
# Create a DataFrame from the jobs_seasonal dictionary
____ = ____(jobs_seasonal)

# Remove the label for the index
seasonality_df.index.name = None

# Create a faceted plot of the seasonality_df DataFrame
____(subplots=____,
                   layout=____,
                   sharey=____,
                   fontsize=2,
                   linewidth=0.3,
                   legend=False)

# Show plot
plt.show()

Code bearbeiten und ausführen