Korelasi antara beberapa deret waktu
Pada latihan sebelumnya, Anda mengekstrak komponen seasonal dari setiap deret waktu dalam DataFrame jobs dan menyimpan hasilnya ke DataFrame baru bernama seasonality_df. Dalam konteks data pekerjaan, menarik untuk membandingkan perilaku musiman karena hal ini dapat membantu mengungkap industri pekerjaan mana yang paling mirip atau paling berbeda.
Hal ini dapat dilakukan dengan menggunakan DataFrame seasonality_df dan menghitung korelasi antara setiap deret waktu dalam himpunan data. Pada latihan ini, Anda akan memanfaatkan apa yang telah Anda pelajari di Bab 4 untuk menghitung dan membuat visualisasi clustermap dari korelasi antar deret waktu dalam DataFrame seasonality_df.
Latihan ini adalah bagian dari kursus
Memvisualisasikan Data Deret Waktu di Python
Petunjuk latihan
- Hitung korelasi antara semua kolom dalam DataFrame
seasonality_dfdengan metode spearman dan simpan hasilnya keseasonality_corr. - Buat clustermap baru dari matriks korelasi Anda.
- Cetak nilai korelasi antara musiman industri Government dan Education & Health.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Get correlation matrix of the seasonality_df DataFrame
seasonality_corr = ____
# Customize the clustermap of the seasonality_corr correlation matrix
fig = ____(____, annot=True, annot_kws={"size": 4}, linewidths=.4, figsize=(15, 10))
plt.setp(fig.ax_heatmap.yaxis.get_majorticklabels(), rotation=0)
plt.setp(fig.ax_heatmap.xaxis.get_majorticklabels(), rotation=90)
plt.show()
# Print the correlation between the seasonalities of the Government and Education & Health industries
print(____)