Visualiseer de seizoenspatronen van meerdere tijdreeksen

Je gaat nu de seasonality-component van jobs_decomp extraheren om de seizoenspatronen in deze tijdreeksen te visualiseren. Let op: voordat je gaat plotten, moet je het woordenboek met seasonality-componenten omzetten naar een DataFrame met de functie pd.DataFrame.from_dict().

Een leeg woordenboek jobs_seasonal en het tijdreeksdecompositie-object jobs_decomp uit de vorige oefening staan klaar in je werkruimte.

Deze oefening maakt deel uit van de cursus

Tijdreeksen visualiseren in Python

Cursus bekijken

Oefeninstructies

Loop door elke kolomnaam in jobs_names en haal de bijbehorende seasonal-component uit jobs_decomp. Plaats de resultaten in jobs_seasonal, waarbij de kolomnaam de naam van de tijdreeks is en de waarde de seasonal-component van de tijdreeks.
Zet jobs_seasonal om naar een DataFrame en noem dit seasonality_df.
Maak een gefacetteerde plot van alle 16 kolommen in seasonality_df. Zorg ervoor dat de deelplots de y-as niet delen.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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()

Code bewerken en uitvoeren