複数の時系列間の相関
前の演習では、jobs DataFrame の各時系列から seasonal 成分を抽出し、新しい DataFrame の seasonality_df に保存しました。求人データの文脈では、季節性の挙動を比較することは、どの業種が最も似ている／異なるのかを見つける手がかりになります。
これを行うには、seasonality_df DataFrame を使い、データセット内の各時系列同士の相関を計算します。この演習では、第4章で学んだ内容を活用して、seasonality_df の時系列同士の相関に基づくクラスタマップを作成します。
この演習はコースの一部です
Pythonで学ぶ時系列データの可視化
演習の手順
seasonality_dfのすべての列間の相関を spearman 法で計算し、結果をseasonality_corrに代入します。- 相関行列から新しいクラスタマップを作成します。
- Government 業界と Education & Health 業界の季節性の相関値を出力します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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(____)