Pas tijdrijontleding toe op je gegevensset
Je gaat nu tijdrijontleding uitvoeren op meerdere tijdreeksen. Dit kun je doen door de Python-dictionary te gebruiken om de resultaten van elke tijdrijontleding op te slaan.
In deze oefening initialiseer je een lege dictionary met accolades, {}, gebruik je een for-lus om door de kolommen van de DataFrame te itereren en pas je tijdrijontleding toe op elke tijdreeks. Na elke tijdrijontleding plaats je de resultaten in de dictionary met het commando my_dict[key] = value, waarbij my_dict je dictionary is, key de naam van de kolom/tijdreeks is en value het ontledingsobject van die tijdreeks.
Deze oefening maakt deel uit van de cursus
Tijdreeksen visualiseren in Python
Oefeninstructies
- Initialiseer een lege dictionary met de naam
jobs_decomp. - Haal de kolomnamen op van de
jobs-DataFrame en zet de resultaten in een lijstjobs_names. - Itereer door elke kolom in
jobs_namesen pas tijdrijontleding toe op die tijdreeks. Plaats de resultaten in de dictionaryjobs_decomp, waarbij de kolomnaam de key is en de value de ontleding is van de tijdreeks die je zojuist hebt uitgevoerd.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Initialize dictionary
____
# Get the names of each time series in the DataFrame
____ = ____
# Run time series decomposition on each time series of the DataFrame
for ts in ____:
ts_decomposition = sm.tsa.seasonal_decompose(____)
jobs_decomp[ts] = ____