Wizualizacja sezonowości wielu szeregów czasowych

Teraz wyodrębnisz składnik seasonality z obiektu jobs_decomp, aby zwizualizować sezonowość tych szeregów czasowych. Pamiętaj, że przed rysowaniem wykresu musisz przekonwertować słownik składników seasonality na DataFrame za pomocą funkcji pd.DataFrame.from_dict().

W środowisku pracy dostępne są: pusty słownik jobs_seasonal oraz obiekt dekompozycji szeregów czasowych jobs_decomp z poprzedniego ćwiczenia.

To ćwiczenie jest częścią kursu

Wizualizacja danych szeregów czasowych w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Przejdź iteracyjnie przez każdą nazwę kolumny w jobs_names i wyodrębnij odpowiadający jej składnik seasonal z jobs_decomp. Wyniki umieść w jobs_seasonal, gdzie kluczem jest nazwa szeregu czasowego, a wartością – jego składnik seasonal.
Przekonwertuj jobs_seasonal na DataFrame i nadaj mu nazwę seasonality_df.
Utwórz wykres podzielony na 16 paneli dla wszystkich kolumn z seasonality_df. Zadbaj o to, aby wykresy cząstkowe nie współdzieliły osi y.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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()

Edytuj i uruchom kod