Visualiza la estacionalidad de varias series temporales

Ahora vas a extraer el componente seasonality de jobs_decomp para visualizar la estacionalidad en estas series temporales. Ten en cuenta que, antes de graficar, tendrás que convertir el diccionario de componentes de seasonality en un DataFrame usando la función pd.DataFrame.from_dict().

En tu espacio de trabajo tienes disponible un diccionario vacío jobs_seasonal y el objeto de descomposición de series temporales jobs_decomp del ejercicio anterior.

Este ejercicio forma parte del curso

Visualización de datos temporales en Python

Ver curso

Instrucciones del ejercicio

Itera por cada nombre de columna en jobs_names y extrae el componente seasonal correspondiente de jobs_decomp. Coloca los resultados en jobs_seasonal, donde la clave sea el nombre de la serie y el valor sea el componente seasonal de esa serie.
Convierte jobs_seasonal en un DataFrame y llámalo seasonality_df.
Crea un gráfico facetado con las 16 columnas de seasonality_df. Asegúrate de que los subgráficos no compartan el eje y.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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()

Editar y ejecutar código