여러 시계열의 계절성 시각화

이제 jobs_decomp의 seasonality 성분을 추출해 각 시계열의 계절성을 시각화해 볼 거예요. 플로팅하기 전에 seasonality 성분으로 이루어진 사전을 pd.DataFrame.from_dict() 함수로 DataFrame으로 변환해야 한다는 점에 유의하세요.

빈 사전 jobs_seasonal과 이전 연습 문제에서 만든 시계열 분해 객체 jobs_decomp가 워크스페이스에 준비되어 있어요.

이 연습은 강의의 일부입니다

Python으로 시계열 데이터 시각화

강의 보기

연습 안내

jobs_names의 각 열 이름을 순회하면서 jobs_decomp에서 해당하는 seasonal 성분을 추출하세요. 결과는 jobs_seasonal에 넣되, 키는 시계열 이름(열 이름), 값은 해당 시계열의 seasonal 성분이 되도록 하세요.
jobs_seasonal을 DataFrame으로 변환하고 이름을 seasonality_df로 지정하세요.
seasonality_df의 16개 모든 열에 대해 패싯 플롯을 생성하세요. 서브플롯들이 y축을 공유하지 않도록 설정하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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()

코드 편집 및 실행