Visualiser la saisonnalité de plusieurs séries temporelles

Vous allez maintenant extraire la composante seasonality de jobs_decomp afin de visualiser la saisonnalité dans ces séries temporelles. Remarquez qu’avant de tracer, vous devrez convertir le dictionnaire des composantes 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 temporelles jobs_decomp de l’exercice précédent sont disponibles dans votre environnement de travail.

Cet exercice fait partie du cours

Visualiser des séries temporelles en Python

Afficher le cours

Instructions

Parcourez chaque nom de colonne dans jobs_names et extrayez la composante seasonal correspondante depuis jobs_decomp. Placez les résultats dans jobs_seasonal, où la clé est le nom de la série temporelle et la valeur est la composante seasonal de cette série.
Convertissez jobs_seasonal en DataFrame et nommez-le seasonality_df.
Créez un graphique à facettes pour les 16 colonnes de seasonality_df. Assurez-vous que les sous-graphiques ne partagent pas l’axe des ordonnées.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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