Visualiser la saisonnalité de plusieurs séries chronologiques

Vous allez maintenant extraire la composante seasonality de jobs_decomp pour visualiser la saisonnalité de ces séries chronologiques. Notez qu'avant de tracer les graphiques, vous devez convertir le dictionnaire des composantes de seasonality en DataFrame à l'aide de la fonction pd.DataFrame.from_dict().

Un dictionnaire vide jobs_seasonal et l'objet de décomposition de séries jobs_decomp de l'exercice précédent sont disponibles dans votre espace de travail.

Cette activité fait partie du cours

Visualiser des séries chronologiques en Python

Voir le cours

Instructions de l’exercice

Parcourez chaque nom de colonne dans jobs_names et extrayez la composante seasonal correspondante de jobs_decomp. Placez les résultats dans jobs_seasonal, où le nom de colonne est le nom de la série chronologique et la valeur est la composante seasonal de la série.
Convertissez jobs_seasonal en DataFrame et nommez-le seasonality_df.
Créez un graphique facetté des 16 colonnes de seasonality_df. Assurez-vous que les sous-graphiques ne partagent pas l'axe des y.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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()

Modifier et exécuter le code