Visualisasikan kemusiman dari beberapa deret waktu

Sekarang Anda akan mengekstrak komponen seasonality dari jobs_decomp untuk memvisualisasikan kemusiman pada deret waktu ini. Perhatikan bahwa sebelum membuat plot, Anda harus mengonversi kamus komponen seasonality menjadi DataFrame menggunakan fungsi pd.DataFrame.from_dict().

Sebuah kamus kosong jobs_seasonal dan objek dekomposisi deret waktu jobs_decomp dari latihan sebelumnya tersedia di ruang kerja Anda.

Latihan ini adalah bagian dari kursus

Memvisualisasikan Data Deret Waktu di Python

Lihat Kursus

Petunjuk latihan

Iterasikan setiap nama kolom dalam jobs_names dan ekstrak komponen seasonal yang sesuai dari jobs_decomp. Tempatkan hasilnya di jobs_seasonal, dengan nama kolom sebagai nama deret waktu, dan nilainya adalah komponen seasonal dari deret waktu tersebut.
Konversikan jobs_seasonal menjadi sebuah DataFrame dan beri nama seasonality_df.
Buat plot berfasilitas untuk semua 16 kolom dalam seasonality_df. Pastikan subplot tidak berbagi sumbu-y.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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()

Edit dan Jalankan Kode